返回搜索
档案
一种基于时序解耦与可解释机器学习的污水管网外水入侵量化溯源方法
发明专利未知
9权利要求 · 1 独立
§ Ⅰ
卷宗概要
IPC 分类
G06F 18/20 (2023.01)G06F 18/10 (2023.01)G06F 18/213 (2023.01)G06F 18/2433 (2023.01)G06N 5/045 (2023.01)G06N 20/00 (2019.01)G06F 18/27 (2023.01)G06N 20/20 (2019.01)G06Q 10/0639 (2023.01)G06N 5/04 (2023.01)G06Q 50/06 (2024.01)G06F 123/02 (2023.01)
本发明涉及污水管网监测技术领域,公开了一种基于时序解耦与可解释机器学习的污水管网外水入侵量化溯源方法,包括如下步骤:S1采集多源水力、水质与环境数据并完成预处理,构建多维特征空间;S2采用时序分解算法重构动态旱天基线,计算得到外水入侵总量序列;S3结合质量平衡原理量化外水比例,通过双源示踪模型解耦两类外水组分;S4构建集成学习模型拟合运行状态,结合可解释框架完成外水驱动溯源与验证。本发明通过时序分解算法重构动态旱天基线结合水质水量响应校验,能够改善传统静态基线的僵化适配问题,提升外水入侵总量量化的精准度,有效解耦居民生活污水排放规律与多源环境因子驱动的外水叠加效应。
登录后阅读全文
已显示权利要求 1。免费注册即可阅读全部 9 项权利要求、说明书全文、全部附图、翻译和法律状态。
- 全部权利要求
- 技术领域
- 背景技术
- 发明内容
- 附图说明
- 具体实施方式