公开(公告)号：CN112215421A

公开(公告)日：2021-01-12

申请号：CN202011092462.2

申请日：2020-10-13

Applicant: 北京工业大学

Inventor： 毕敬 ,  王仔超 ,  乔俊飞

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于生成对抗网络的深度学习水质指标预测方法，首先，将获取到的水质指标历史数据按时间排列成时间序列数据，然后通过生成对抗网络对缺失值进行插值处理。其次，再对水质指标数据进行标准化处理，将水质时间序列数据按照预设的滑动窗口大小进行划分，转为有监督的数据。最后，输入LSTM神经网络模型，进行多步预测，最终获得水质指标预测结果。

公开(公告)号：CN115687322A

公开(公告)日：2023-02-03

申请号：CN202211344086.0

申请日：2022-10-31

Applicant: 北京工业大学

Inventor： 王仔超 ,  毕敬 ,  乔俊飞

IPC: G06F16/215 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/049 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明涉及一种面向水质指标的数据补全方法，特别是涉及一种基于编码器‑解码器和自回归网络的时间序列生成对抗网络(GenerativeAdversarialNetworkswith Encoder‑DecoderandAutoregressivenetwork,GEDA)的缺失数据补全方法。首先，针对获取到的水质指标历史数据进行归一化处理，并对水质指标时间序列数据按照预设的滑动窗口大小划分为多个子序列作为特征序列，输入到生成对抗网络中进行训练。然后，针对有缺失的水质指标时间序列数据输入到训练好的网络中，生成完整的时间序列数据用于补全真实数据的缺失部分。最后，获得完整的与真实数据接近的水质指标数据。