Il monitoraggio della qualità dell'acqua è una parte cruciale dell'ambiente
protezione, e un gran numero di monitor sono ampiamente utilizzati per monitorare l'acqua
qualità. A causa di fattori inevitabili come guasti nell'acquisizione dei dati,
sensori e errori di comunicazione, soffrono i dati di monitoraggio della qualità dell'acqua
valori mancanti nel tempo, con conseguente alta dimensionalità e sparsa (HDS) Acqua
Dati di qualità (WQD). Il riempimento semplice e approssimativo dei valori mancanti porta a
risultati imprecisi e incide sull’attuazione delle misure pertinenti.
Perciò, questo articolo propone una rappresentazione convoluzionale causale di basso rango
(CLR) modello per imputare la WQD mancante al fine di migliorare la completezza della WQD,
che impiega una duplice idea: UN) applicare un'operazione convoluzionale causale a
considerare la dipendenza temporale della rappresentazione di rango basso, così
incorporare informazioni temporali per migliorare l’accuratezza dell’imputazione; e b)
implementando uno schema di adattamento degli iperparametri per regolare automaticamente il
migliori iperparametri durante l'addestramento del modello, riducendo così il noioso manuale
regolazione degli iperparametri. Studi sperimentali su tre acque del mondo reale
i set di dati di qualità dimostrano che il modello CLR proposto è superiore ad alcuni di
i modelli di imputazione all’avanguardia esistenti in termini di accuratezza dell’imputazione
e costo del tempo, oltre a indicare che il modello proposto fornisce di più
supporto decisionale affidabile per il monitoraggio ambientale.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: