龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明提供一种基于多尺度时序卷积神经网络的水华预测模型及方法，包括小波数据预处理模块、特征嵌入模块、多尺度时序卷积模块和预测模块，多尺度时序卷积模块包括时频特征增强模块、二维卷积特征提取模块和自适应周期性分析模块。模块构成一种基于多尺度时序卷积神经网络预测方法，本发明综合利用监测到的气象与水文时间序列数据，通过结合小波变换方法，可以有效减轻数据噪声带来的影响，利用多种嵌入方式组合提取特征，多尺度地高效提取和学习数据特征，克服现有水华预测方法预测准确率不够高、以及未能充分利用时间序列数据中特征信息的缺陷。
主权项：1.一种基于多尺度时序卷积神经网络的水华预测模型，其特征是：包括小波数据预处理模块、特征嵌入模块、多尺度时序卷积模块和预测模块，其中，多尺度时序卷积模块包括时频特征增强模块、二维卷积特征提取模块和自适应周期性分析模块，具体包括：小波数据预处理模块：负责对原始时间序列数据进行初步处理，包括对缺失数据较多的特征进行筛除、使用均值和标准差方法或分位数方法检测并删除离群值、利用小波分解对数据进行去噪平滑、以及对缺失数据进行插值处理，得到预处理后的数据；特征嵌入模块：特征提取模块负责将原始时间序列数据进行嵌入处理，通过数值嵌入、位置嵌入和时间嵌入多种方式对数据进行编码；时频特征增强模块：通过快速傅里叶变换对时间序列数据进行频域分析，获取频域表示，计算频谱的幅值得到主要频率分量，以及计算周期和对应频率分量的平均幅值对原有时间序列数据进行特征增强，得到增强后的特征；二维卷积特征提取模块：将时间序列数据从1D卷积提升到2D卷积，通过二维卷积神经网络提取多尺度的时序特征，得到提取到的特征向量；自适应周期性分析模块：利用自适应算法对提取的周期性特征进行分析和加权处理，提取时序数据中的关键特征，得到优化过的特征向量；预测模块：利用线性投影层将模型的输出尺度还原到数据原本的尺度上，综合处理后的时序特征和周期性信息，进行水源信息的预测，输出未来的水源信息状况。
全文数据：
权利要求：
百度查询： 三峡大学 一种基于多尺度时序卷积神经网络的水华预测模型及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号