1.一种水质预测方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述分别提取各组同质数据各自的类内关联特征,包括:
3.如权利要求2所述的方法,其特征在于,每个输出数据为所述一组同质数据中的一个第一历史监测数据,或者,所述上一个卷积层输出的融合特征。
4.如权利要求1所述的方法,其特征在于,所述对各个类内关联特征进行深层特征提取,获得相应的水质预测特征,包括:
5.如权利要求4所述的方法,其特征在于,所述将所述类间关联特征输入到时间递归神经网络中进行深层特征提取,获得相应的水质预测特征,包括:
6.如权利要求2~5任一项所述的方法,其特征在于,目标水质预测模型包括多个同质数据卷积网络、特征融合网络和时间递归神经网络;
7.如权利要求6所述的方法,其特征在于,在二次训练所述通用水质预测模型时,其中一轮迭代训练的过程包括:
8.如权利要求1~5任一项所述的方法,其特征在于,在获取目标区域内不同地点在各个历史阶段采集的历史监测数据集之前,还包括:
9.一种水质预测装置,其特征在于,包括:
10.如权利要求9所述的装置,其特征在于,所述浅层特征提取单元用于:
11.如权利要求10所述的装置,其特征在于,每个输出数据为所述一组同质数据中的一个第一历史监测数据,或者,所述上一个卷积层输出的融合特征。
12.如权利要求9所述的装置,其特征在于,所述深层特征提取单元用于:
13.一种计算机设备,其特征在于,其包括处理器和存储器,其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行权利要求1~8中任一项所述方法的步骤。
14.一种计算机可读存储介质,其特征在于,其包括程序代码,当程序产品在计算机设备上运行时,所述程序代码用于使所述计算机设备执行权利要求1~8中任一项所述方法的步骤。
15.一种计算机程序产品,其特征在于,包括计算机指令,所述计算机指令被处理器执行时实现权利要求1~8中任一项所述方法的步骤。