收录：
摘要：
一种基于WSFA‑AFE的ILSTM神经网络的出水BOD浓度预测方法涉及人工智能领域。本发明针对神经网络进行出水BOD多元时间序列预测时，输入的特征变量及输入历史步长难以确定的问题，提出了一种WSFA‑AFE方法。其能够自适应地提取多元时间序列中的动态特征变量，使得神经网络对出水BOD浓度进行更好得预测。本文针对标准LSTM神经网络结构参数众多，训练过程耗时长的问题，提出了一种ILSTM神经网络。通过简化结构方程中的递归项权值，减少了网络中所需训练参数的数目，并且通过参数更新算法加快收敛速度。本发明根据污水处理过程采集的数据实现了未来时刻污水出水BOD浓度的高效、准确、低成本预测。
关键词：
通讯作者信息：
电子邮件地址：
