来源：期刊VIP网 时间：
作者：樊力震;董建刚;李俊俊;
单位：新疆大学软件学院;
摘要：水质预测是水资源生态管理的重要组成部分。水质数据易受环境影响，随着时间、随机事件、自然条件变化等因素呈现出非平稳性和非线性的特性，使得水质时序依赖较为复杂，其规律难以捕捉。为更准确地提取水质时序规律，并使其具备一定的泛化性，提出一种基于改进iTransformer的多维特征水质预测模型——GF-iTransformer。针对水质数据中的复杂噪声问题，引入一维高斯-拉普拉斯滤波器对水质时序数据进行降噪。为更好地挖掘水质数据中隐含的频域信息，加入频率增强通道注意力机制，利用基于离散余弦变换（DCT）的频率信息提取方法，从本质上避免了基于傅里叶变换（FT）造成的吉布斯现象，并相对减少了计算量，得到了更好的预测性能。在3个不同的公共数据集（ETTh1、ETTh2、ETTm2）和两个河流数据集（yihe、luohe）上进行验证，结果表明，相较于TimesNet、ETSformer、DLinear等6个现有主流时序预测模型，文中所提GF-iTransformer模型都展现出了较好的预测精度，证明了该模型的有效性。
关键词：水质预测;;多维特征;;iTransformer模型;;高斯-拉普拉斯滤波器;;注意力机制;;离散余弦变换
