一种基于深度学习模型的超声波水表数据修复方法
基本信息
| 申请号 | CN202010871004.2 | 申请日 | - |
| 公开（公告）号 | CN112132324A | 公开（公告）日 | 2020-12-25 |
| 申请公布号 | CN112132324A | 申请公布日 | 2020-12-25 |
| 分类号 | G06Q10/04(2012.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 付明磊;范婷超;张文安;仇翔;郑乐进;吴德;周力 | 申请（专利权）人 | 杭州莱宸科技有限公司 |
| 代理机构 | 杭州斯可睿专利事务所有限公司 | 代理人 | 浙江工业大学;杭州莱宸科技有限公司 |
| 地址 | 310014浙江省杭州市下城区朝晖六区潮王路18号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 一种基于深度学习模型的超声波水表数据修复方法，通过超声波水表时间芯片计算超声波飞行时间差，获得超声波水表时间序列原始数据rm，采用动态阈值法对超声波水表时序数据集进行异常值筛选；进行预处理，剔除数据集中的异常数值，并根据LSTM模型特征进行训练集、测试集的配置；正向LSTM预测模型预测超声波水表时序数据，以此正向LSTM预测模型进行超声波水表时序数据预测；反向LSTM模型推演超声波水表时序数据，所述反向LSTM模型包括模型优化参数设置，模型构建及训练，并以此反向LSTM模型进行超声波水表时序数据推演，根据预测值y′t与推演值y″t加权计算异常数据的恢复值。本发明修复精度较高、修复效率较高。 |
