(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111602672.6 (22)申请日 2021.12.24 (71)申请人 中国农业大 学 地址 100193 北京市海淀区 圆明园西路2号 (72)发明人 孙龙清　王泊宁　孟新宇　张远　 李道亮　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 代理人 张文宝 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 一种基于时空序列的溶解氧预测方法及系 统 (57)摘要 本发明提出一种基于时空序列的溶解氧预 测方法及系统， 充分考虑到溶解氧短期变化规律 和溶解氧变化日周期性规律的基础上， 通过对原 有ConvLSTM模型进行改进， 建立两个并联的模 型， 并将从传感器采集到并经过填充的数据生成 数据输入矩阵， 输入到改进后的ConvLSTM模型 中， 实现对溶解氧进行更加精确的预测。 本发明 的方法同时考虑时间上以及空间上的信息， 在溶 解氧预测方面具有准确、 便捷易行等优点， 一定 程度解决了溶解氧预测精度不高、 工作效率低等 问题。 权利要求书2页 说明书7页 附图4页 CN 114169250 A 2022.03.11 CN 114169250 A 1.一种基于时空序列的溶解氧 预测方法， 包括： 步骤S1、 传感器数据采集： 从多个传感器 中获取数据， 并且完成所获取数据中的缺失数 据的判断以及缺失数据的填充： 步骤S2、 数据输入矩阵生成： 将所述步骤S1中进行了数据填充之后的数据转化成输入 矩阵； 步骤S3、 预测模型建立及训练： 考虑溶解氧短期变化规律和溶解氧变化日周期性规律 的基础上， 并联两个ConvLSTM模型， 建立改进的ConvLSTM模型， 其中一个ConvLSTM模型负责 捕获短期溶解氧变化规律， 一个ConvLSTM模型负责捕获溶解氧变化的日周期性规律， 并将 由所述步骤S2的方法生 成的用于训练的数据输入矩阵输入到所述改进的ConvLSTM模型中， 完成对所述改进的Co nvLSTM模型的训练， 得到预测模型； 步骤S4、 溶解氧含量估计： 按照所述步骤S2的方法生成用于预测的数据输入矩阵， 并输 入骤S3得到的预测模型中， 从而得到未来溶解氧的预测值。 2.根据权利要求1所述的一种基于时空序列的溶解氧预测方法， 其特征在于： 所述传感 器的布置方式为均匀地布置为W*H的传感器矩 阵， W为传感器矩 阵的宽， H为传感器矩 阵的 高， 共计有P＝ W×H个传感器， 且从所述传感器获取的数据有溶解氧、 浊度、 pH、 温度。 3.根据权利要求1所述的一种基于时空序列的溶解氧预测方法， 其特征在于： 所述步骤 1中对缺失数据进 行判断的方法是， 根据每条数据获取到的时间， 将前后相邻两条数据获取 的时间相减， 假如时间差大于获取一次数据的时间， 则判定所述两条相邻数据之间存在数 据缺失， 则需要进 行缺失数据填充， 所述相 邻两条数据之 间的缺失数据数量， 也即所述相 邻 两条数据之间需要填充的数据数量 为： timen+1与timen分别为n+1时的时间与n 时的时间， N为在n+1与n之间需要填充的数据条 数， Δt为传感器获取 数据间隔。 4.根据权利要求3所述的一种基于时空序列的溶解氧预测方法， 其特征在于： 所述数据 填充方式为： Datak为需要填充的第k个数据， Datan与Datan+1分别为时间n时的数据与时间n+1时刻的 数据， N为需要填充的数据数量。 5.根据权利要求2所述的一种基于时空序列的溶解氧预测方法， 其特征在于： 所述步骤 S2中， 将每次获取到的传感器数据生 成一个[Q， W， H ]矩阵， Q为特征的数量， 所述特征数量与 传感器获取的参数的数量对应， 每获取一次数据即可生成一个矩阵， 将t次生成的数据矩阵 堆叠， 生成一个[t， Q， W， H]的矩阵， t为模型 所考虑的时序信息 。 6.根据权利要求1所述的一种基于时空序列的溶解氧预测方法， 其特征在于： 所述两个 ConvLSTM模型均采用三层结构3 ×3大小的卷积核。 7.一种基于时空序列的溶解氧 预测系统， 该系统包括： 传感器数据采集模块， 其用于从多个传感器中获取数据， 并且完成所获取数据中的缺 失数据的判断以及缺失数据的填充。权　利　要　求　书 1/2 页 2 CN 114169250 A 2数据输入矩阵生成模块， 其用于将从多个传感器中获取的并进行了数据填充之后的数 据转化成数据输入矩阵； 预测模型建立及训练模块， 在充分考虑溶解氧短期变化规律和溶解氧变化日周期性规 律的基础上， 对原有ConvLSTM模型进行改进， 建立改进的ConvLSTM模 型， 并将经数据输入矩 阵模块生 成模块生成的用于训练的数据输入矩阵输入到改进的ConvLSTM模 型中， 完成对改 进的ConvLSTM模型的训练， 得到预测模型； 溶解氧估计模块， 其用于将通过数据输入矩阵生成模块生成的用于预测的数据输入矩 阵输入到预测模型中， 得到未来溶解氧的预测值。 8.一种电子设备， 包括处理器、 通信接口、 存储器和通信总线， 所述处理器、 通信接口、 存储器通过通信总线完成相互间的通信， 所述处理器调用存储在所述存储器上并可在所述 处理器上运行的计算机程序， 以执行所述权利要求1 ‑6任一项所述的一种基于时空序列的 溶解氧预测方法。 9.一种计算机程序产品， 计算机程序产品包括存储在非暂态计算机可读存储介质上的 计算机程序， 计算机程序包括程序指 令， 当程序指 令被计算机执行时， 计算机能够执行所述 权利要求1 ‑6任一项所述的一种基于时空序列的溶解氧 预测方法。 10.一种非暂态计算机可读存储介质， 用于存储计算机指令， 所述计算机指令使计算机 执行所述权利要求1 ‑6任一项所述的一种基于时空序列的溶解氧 预测方法。权　利　要　求　书 2/2 页 3 CN 114169250 A 3