一种基于生成对抗网络数据增强的水质预测方法

本发明公开了一种基于生成对抗网络数据增强的水质预测方法，该方法包括：数据采集与数据处理，水质数据增强，生成数据分析及评估，水质预测，结果讨论与分析；本发明建立了基于Bi T imeGAN模块和GRU模块的混合深度学习模型，以增加水质数据量，提高深度学习模型的预测精度。该方法的优越性表现在开发的Bi T imeGAN模型，考虑了时序数据的全局和局部特征，解决了传统生成对抗网络与时间序列生成模型无法捕捉时间序列数据全局和局部特征信息的局限，实现时间序列信息全局与局部时序特征的提取和筛选，使得生成的数据在静态特征上接近真实数据，同时还保留时序数据在时间上的依赖关系；本方法所建立的模型在时序数据生成、水质预测方面具有更高的精度。