公布日：2024.03.19
申請(qǐng)日：2023.12.08
分類號(hào)：G06Q10/0639(2023.01)I;G06F18/213(2023.01)I;G06F18/24(2023.01)I;G06N20/10(2019.01)I
摘要
一種污水水質(zhì)異常波動(dòng)檢測方法及系統(tǒng)，包括：對(duì)目標(biāo)區(qū)域的歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，進(jìn)行數(shù)據(jù)清洗時(shí)，保留離群值；歷史數(shù)據(jù)包括時(shí)間滯后性水質(zhì)指標(biāo)、實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)；將預(yù)處理后的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)按時(shí)間順序輸入水質(zhì)模型，時(shí)間滯后性水質(zhì)指標(biāo)作為水質(zhì)模型的輸出，對(duì)水質(zhì)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的水質(zhì)模型；水質(zhì)模型包括級(jí)聯(lián)的維度注意力層、GRU神經(jīng)網(wǎng)絡(luò)層、時(shí)間注意力層、全連接層和分類層。與現(xiàn)有技術(shù)相比，本發(fā)明在確保數(shù)據(jù)質(zhì)量的同時(shí)保留了反映水質(zhì)異常波動(dòng)的異常值，還可以從海量數(shù)據(jù)中識(shí)別并掌握對(duì)應(yīng)于水質(zhì)異常波動(dòng)的數(shù)據(jù)特征，進(jìn)而實(shí)現(xiàn)對(duì)污水水質(zhì)異常波動(dòng)的快速、準(zhǔn)確檢測。
權(quán)利要求書
1.一種污水水質(zhì)異常波動(dòng)檢測方法，包括如下步驟：對(duì)目標(biāo)區(qū)域的歷史數(shù)據(jù)進(jìn)行預(yù)處理；所述歷史數(shù)據(jù)包括時(shí)間滯后性水質(zhì)指標(biāo)、實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)；所述預(yù)處理包括以具有相同時(shí)間戳的一組數(shù)據(jù)為最小單位執(zhí)行數(shù)據(jù)清洗，進(jìn)行數(shù)據(jù)清洗時(shí)，保留離群值；將預(yù)處理后的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)按時(shí)間順序輸入水質(zhì)模型，時(shí)間滯后性水質(zhì)指標(biāo)作為水質(zhì)模型的輸出，對(duì)水質(zhì)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的水質(zhì)模型；所述水質(zhì)模型包括級(jí)聯(lián)的維度注意力層、GRU神經(jīng)網(wǎng)絡(luò)層、時(shí)間注意力層、全連接層和分類層。
2.根據(jù)權(quán)利要求1所述的污水水質(zhì)異常波動(dòng)檢測方法，其特征在于，還包括對(duì)訓(xùn)練好的水質(zhì)模型進(jìn)行微調(diào)以使模型的準(zhǔn)確率、召回率、F1分?jǐn)?shù)和F2分?jǐn)?shù)達(dá)到精度閾值的步驟。
3.根據(jù)權(quán)利要求1或2所述的污水水質(zhì)異常波動(dòng)檢測方法，其特征在于，還包括利用訓(xùn)練好的水質(zhì)模型進(jìn)行預(yù)測的步驟：將當(dāng)前時(shí)刻的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)輸入到訓(xùn)練好的水質(zhì)模型中，輸出得到預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)，根據(jù)預(yù)設(shè)閾值判斷預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)是否異常。
4.根據(jù)權(quán)利要求1或2所述的污水水質(zhì)異常波動(dòng)檢測方法，其特征在于：所述GRU神經(jīng)網(wǎng)絡(luò)層的輸出Yt的表達(dá)式為Yt＝σ(Htwo+bo)；其中，更新門：Rt＝σ(Xtwxr+Ht-1whr+br)；重置門：Zt＝σ(Xtwxz+Ht-1Whz+bz)；隱含層(t-1)：H′t＝tanh(Xtwxh+(Rt*Ht-1)whh+bh)；隱含層(t)：Ht＝Zt*Ht-1+(1-Zt)*H′t；式中，σ和tanh分別表示Sigmoid激活函數(shù)和tanh激活函數(shù)，*表示兩個(gè)向量的標(biāo)量積，Xt表示t時(shí)刻的輸入，Ht-1表示t-1時(shí)刻的隱藏狀態(tài)，w、wxh、whh、wxr、whr、wxz、whz表示權(quán)重參數(shù)，b0、bh、br、bz表示偏置參數(shù)。
5.根據(jù)權(quán)利要求1或2所述的污水水質(zhì)異常波動(dòng)檢測方法，其特征在于：所述維度注意力層為自注意力結(jié)構(gòu)，所述時(shí)間注意力層是由多個(gè)自注意力結(jié)構(gòu)并行構(gòu)成的多頭注意力結(jié)構(gòu)。
6.一種污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于，包括：第一水質(zhì)數(shù)據(jù)采集器，用于采集時(shí)間滯后性水質(zhì)指標(biāo)；第二水質(zhì)數(shù)據(jù)采集器，用于采集實(shí)時(shí)水質(zhì)指標(biāo)；水量數(shù)據(jù)采集器，用于采集水量指標(biāo)；氣象數(shù)據(jù)采集器，用于采集氣象指標(biāo)；預(yù)處理模塊，用于對(duì)目標(biāo)區(qū)域的歷史數(shù)據(jù)進(jìn)行預(yù)處理；所述歷史數(shù)據(jù)包括時(shí)間滯后性水質(zhì)指標(biāo)、實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)；所述預(yù)處理包括以具有相同時(shí)間戳的一組數(shù)據(jù)為最小單位執(zhí)行數(shù)據(jù)清洗，進(jìn)行數(shù)據(jù)清洗時(shí)，保留離群值；數(shù)據(jù)處理模塊，其內(nèi)存儲(chǔ)有訓(xùn)練好的水質(zhì)模型，所述水質(zhì)模型的輸入為預(yù)處理后的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)，輸入時(shí)按時(shí)間順序輸入水質(zhì)模型，水質(zhì)模型的輸出為時(shí)間滯后性水質(zhì)指標(biāo)；所述水質(zhì)模型包括級(jí)聯(lián)的維度注意力層、GRU神經(jīng)網(wǎng)絡(luò)層、時(shí)間注意力層、全連接層和分類層。
7.根據(jù)權(quán)利要求6所述的污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于：還包括微調(diào)模塊，用于對(duì)訓(xùn)練好的水質(zhì)模型進(jìn)行微調(diào)以使模型的準(zhǔn)確率、召回率、F1分?jǐn)?shù)和F2分?jǐn)?shù)達(dá)到精度閾值。
8.根據(jù)權(quán)利要求6或7所述的污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于：還包括預(yù)測模塊，用于利用訓(xùn)練好的水質(zhì)模型進(jìn)行預(yù)測：將當(dāng)前時(shí)刻的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)輸入到訓(xùn)練好的水質(zhì)模型中，輸出得到預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)，根據(jù)預(yù)設(shè)閾值判斷預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)是否異常。
9.根據(jù)權(quán)利要求6或7所述的污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于：所述GRU神經(jīng)網(wǎng)絡(luò)層的輸出Yt的表達(dá)式為Yt＝σ(Htwo+bo)；其中，更新門：Rt＝σ(Xtwxr+Ht-1whr+br)；重置門：Zt＝σ(Xtwxz+Ht-1whz+bz)；隱含層(t-1)：H′t＝tanh(Xtwxh+(Rt*Ht-1)whh+bh)；隱含層(t)：Ht＝Zt*Ht-1+(1-Zt)*H′t；式中，σ表示Sigmoid激活函數(shù)，tanh表示tanh激活函數(shù)，*表示兩個(gè)向量的標(biāo)量積，Xt表示t時(shí)刻的輸入，Ht-1表示t-1時(shí)刻的隱藏狀態(tài)，w、wxh、whh、wxr、whr、wxz、whz表示權(quán)重參數(shù)，b0、bh、br、bz表示偏置參數(shù)。
10.根據(jù)權(quán)利要求6或7所述的污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于：所述維度注意力層為自注意力結(jié)構(gòu)，所述時(shí)間注意力層是由多個(gè)自注意力結(jié)構(gòu)并行構(gòu)成的多頭注意力結(jié)構(gòu)。
發(fā)明內(nèi)容
本申請(qǐng)的發(fā)明目的在于提供一種污水水質(zhì)異常波動(dòng)檢測方法及系統(tǒng)，通過設(shè)計(jì)高效的預(yù)處理確保數(shù)據(jù)質(zhì)量的同時(shí)保留了反映水質(zhì)異常波動(dòng)的異常值，通過建立基于雙重注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，使得模型可以從海量數(shù)據(jù)中識(shí)別并掌握對(duì)應(yīng)于水質(zhì)異常波動(dòng)的數(shù)據(jù)特征，進(jìn)而實(shí)現(xiàn)對(duì)污水水質(zhì)異常波動(dòng)的快速、準(zhǔn)確檢測。
為達(dá)到上述目的，本申請(qǐng)采用如下技術(shù)方案。
一方面，提供一種污水水質(zhì)異常波動(dòng)檢測方法，包括如下步驟：
對(duì)目標(biāo)區(qū)域的歷史數(shù)據(jù)進(jìn)行預(yù)處理；所述歷史數(shù)據(jù)包括時(shí)間滯后性水質(zhì)指標(biāo)、實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)；所述預(yù)處理包括以具有相同時(shí)間戳的一組數(shù)據(jù)為最小單位執(zhí)行數(shù)據(jù)清洗，進(jìn)行數(shù)據(jù)清洗時(shí)，保留離群值；
將預(yù)處理后的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)按時(shí)間順序輸入水質(zhì)模型，時(shí)間滯后性水質(zhì)指標(biāo)作為水質(zhì)模型的輸出，對(duì)水質(zhì)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的水質(zhì)模型；所述水質(zhì)模型包括級(jí)聯(lián)的維度注意力層、GRU神經(jīng)網(wǎng)絡(luò)層、時(shí)間注意力層、全連接層和分類層。
上述方案中，通過在預(yù)處理的數(shù)據(jù)清洗步驟中保留離群值，在確保數(shù)據(jù)質(zhì)量的同時(shí)保留了反映水質(zhì)異常波動(dòng)的異常值。通過建立基于雙重注意力(維度注意力和時(shí)間注意力)機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，使得模型可以從海量數(shù)據(jù)中識(shí)別并掌握對(duì)應(yīng)于水質(zhì)異常波動(dòng)的數(shù)據(jù)特征，進(jìn)而實(shí)現(xiàn)對(duì)污水水質(zhì)異常波動(dòng)的快速、準(zhǔn)確檢測。
在一些實(shí)施例中，還包括對(duì)訓(xùn)練好的水質(zhì)模型進(jìn)行微調(diào)以使模型的準(zhǔn)確率、召回率、F1分?jǐn)?shù)和F2分?jǐn)?shù)達(dá)到精度閾值的步驟。
在一些實(shí)施例中，還包括利用訓(xùn)練好的水質(zhì)模型進(jìn)行預(yù)測的步驟：將當(dāng)前時(shí)刻的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)輸入到訓(xùn)練好的水質(zhì)模型中，輸出得到預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)，根據(jù)預(yù)設(shè)閾值判斷預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)是否異常。
在一些實(shí)施例中，所述GRU神經(jīng)網(wǎng)絡(luò)層的輸出Yt的表達(dá)式為Yt＝σ(Htwo+bo)；其中，
更新門：Rt＝σ(Xtwxr+Ht-1whr+br)；
重置門：Zt＝σ(Xtwxz+Ht-1whz+bz)；
隱含層(t-1)：H′t＝tanh(Xtwxh+(Rt*Ht-1)whh+bh)；
隱含層(t)：Ht＝Zt*Ht-1+(1-Zt)*H′t；
式中，σ和tanh分別表示Sigmoid激活函數(shù)和tanh激活函數(shù)，*表示兩個(gè)向量的標(biāo)量積，Xt表示t時(shí)刻的輸入，Ht-1表示t-1時(shí)刻的隱藏狀態(tài)，w、wxh、whh、wxr、whr、wxz、whz表示權(quán)重參數(shù)，b0、bh、br、bz表示偏置參數(shù)。
在一些實(shí)施例中，所述維度注意力層為自注意力結(jié)構(gòu)，所述時(shí)間注意力層是由多個(gè)自注意力結(jié)構(gòu)并行構(gòu)成的多頭注意力結(jié)構(gòu)。
又一方面，提供一種污水水質(zhì)異常波動(dòng)檢測系統(tǒng)，其特征在于，包括：
第一水質(zhì)數(shù)據(jù)采集器，用于采集時(shí)間滯后性水質(zhì)指標(biāo)；
第二水質(zhì)數(shù)據(jù)采集器，用于采集實(shí)時(shí)水質(zhì)指標(biāo)；
水量數(shù)據(jù)采集器，用于采集水量指標(biāo)；
氣象數(shù)據(jù)采集器，用于采集氣象指標(biāo)；
預(yù)處理模塊，用于對(duì)目標(biāo)區(qū)域的歷史數(shù)據(jù)進(jìn)行預(yù)處理；所述歷史數(shù)據(jù)包括時(shí)間滯后性水質(zhì)指標(biāo)、實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)；所述預(yù)處理包括以具有相同時(shí)間戳的一組數(shù)據(jù)為最小單位執(zhí)行數(shù)據(jù)清洗，進(jìn)行數(shù)據(jù)清洗時(shí)，保留離群值；
數(shù)據(jù)處理模塊，其內(nèi)存儲(chǔ)有訓(xùn)練好的水質(zhì)模型，所述水質(zhì)模型的輸入為預(yù)處理后的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)，輸入時(shí)按時(shí)間順序輸入水質(zhì)模型，水質(zhì)模型的輸出為時(shí)間滯后性水質(zhì)指標(biāo)；所述水質(zhì)模型包括級(jí)聯(lián)的維度注意力層、GRU神經(jīng)網(wǎng)絡(luò)層、時(shí)間注意力層、全連接層和分類層。
在一些實(shí)施例中，還包括微調(diào)模塊，用于對(duì)訓(xùn)練好的水質(zhì)模型進(jìn)行微調(diào)以使模型的準(zhǔn)確率、召回率、F1分?jǐn)?shù)和F2分?jǐn)?shù)達(dá)到精度閾值。
在一些實(shí)施例中，還包括預(yù)測模塊，用于利用訓(xùn)練好的水質(zhì)模型進(jìn)行預(yù)測：將當(dāng)前時(shí)刻的實(shí)時(shí)水質(zhì)指標(biāo)、水量指標(biāo)和氣象指標(biāo)輸入到訓(xùn)練好的水質(zhì)模型中，輸出得到預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)，根據(jù)預(yù)設(shè)閾值判斷預(yù)測的時(shí)間滯后性水質(zhì)指標(biāo)是否異常。
在一些實(shí)施例中，所述GRU神經(jīng)網(wǎng)絡(luò)層的輸出Yt的表達(dá)式為Yt＝σ(Htwo+bo)；其中，
更新門：Rt＝σ(Xtwxr+Ht-1whr+br)；
重置門：Zt＝σ(Xtwxz+Ht-1whz+bz)；
隱含層(t-1)：H′t＝tanh(Xtwxh+(Rt*Ht-1)whh+bh)；
隱含層(t)：Ht＝Zt*Ht-1+(1-Zt)*H′t；
式中，σ表示Sigmoid激活函數(shù)，tanh表示tanh激活函數(shù)，*表示兩個(gè)向量的標(biāo)量積，Xt表示t時(shí)刻的輸入，Ht-1表示t-1時(shí)刻的隱藏狀態(tài)，w、wxh、whh、wxr、whr、wxz、whz表示權(quán)重參數(shù)，b0、bh、br、bz表示偏置參數(shù)。
在一些實(shí)施例中，所述維度注意力層為自注意力結(jié)構(gòu)，所述時(shí)間注意力層是由多個(gè)自注意力結(jié)構(gòu)并行構(gòu)成的多頭注意力結(jié)構(gòu)。
本申請(qǐng)至少具有如下技術(shù)效果或優(yōu)點(diǎn)：
1、通過在預(yù)處理的數(shù)據(jù)清洗步驟中保留離群值，在確保數(shù)據(jù)質(zhì)量的同時(shí)保留了反映水質(zhì)異常波動(dòng)的異常值。
2、通過建立基于雙重注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，使得模型可以從海量數(shù)據(jù)中識(shí)別并掌握對(duì)應(yīng)于水質(zhì)異常波動(dòng)的數(shù)據(jù)特征，進(jìn)而實(shí)現(xiàn)對(duì)污水水質(zhì)異常波動(dòng)的快速、準(zhǔn)確檢測。
（發(fā)明人：張怡拓;郭健;張羽;巫文昕;靳帥國;趙凌云;曹健;任亮）
