收录：
摘要：
本发明是一种基于长短时记忆和径向基函数神经网络的水质时空关联预测方法。考虑水质变化的时空特性和多元相关性，提出了LSTM‑RBF的水质时空融合预测模型。该方法主要分为5个过程。1)数据清洗，并分别构建时间数据集、空间数据集；2)对1)所得时间数据集进行灰色关联分析，再利用深度自编码进行空间特征降维；3)依据2)中特征提取后参数，构建LSTM水质时间维度预测模型，得到时间维度预测结果；4)将2)中特征降维后的结果作为空间维度RBF模型的输入，建立RBF空间维度水质预测模型，得到空间维度预测结果；5)将时间、空间预测结果作为两个新的特征，利用模型树融合，得到时空融合水质参数预测结果。
关键词：
通讯作者信息：
电子邮件地址：
