1.一种面向长期水体动态监测的数据处理方法,其特征在于,包括以下步骤:
S1、获取并标准化处理传感器数据,得到标准化的传感器数据;基于标准化的传感器数据,建立时间递归模型进行特征提取,得到水体特征数据;通过变分优化机制对水体特征数据进行自适应调整,引入时空递归计算框架,结合当前时刻的水体状态和过去时间步的水体特征数据,并结合基于历史时刻的标准化的传感器数据矩阵的历史正则项和基于当前时刻的标准化的传感器数据矩阵的门控机制,对水体动态演变过程进行建模,得到水体特征状态矩阵;基于水体特征状态矩阵,构建正交投影矩阵,将水体特征数据进行投影,使得水体特征数据在投影后得到保留,设定初始水体特征矩阵,并引入正则化参数,对水体特征数据进行高维正交投影变换;通过正交投影矩阵对标准化的传感器数据矩阵进行优化处理,获得优化后的水体特征矩阵;
S2、基于优化后的水体特征矩阵设计并求解Wasserstein变分损失函数,得到最优水体特征矩阵;Wasserstein变分损失函数为:其中,是Wasserstein变分损失函数;是Frobenius范数;是优化后的水体特征矩阵;是时刻的目标水体标签数据;为Wasserstein距离正则化因子;是时刻的标准化的传感器数据矩阵;
基于最优水体特征矩阵,进行水体变化预测,并最小化预测损失函数,得到优化后的水体变化预测状态矩阵。
2.根据权利要求1所述的一种面向长期水体动态监测的数据处理方法,其特征在于,所述S1,具体包括:利用时空多层递归变分优化网络建立时间递归模型,对标准化的传感器数据进行特征提取,得到水体特征数据。
3.根据权利要求1所述的一种面向长期水体动态监测的数据处理方法,其特征在于,所述S2,具体包括:基于最优水体特征矩阵进行水体变化预测,预测未来的水体状态;将当前时间步的水体特征数据与过去时间步的水体特征数据以及历史最优水体特征矩阵进行结合,并加入正交投影矩阵,计算得到水体变化预测状态矩阵。
4.根据权利要求3所述的一种面向长期水体动态监测的数据处理方法,其特征在于,所述S2,具体包括:基于水体变化预测状态矩阵,引入预测损失函数,将水体变化预测状态矩阵与实际水体状态矩阵进行对比,计算得出预测误差并进行最小化处理。
5.根据权利要求4所述的一种面向长期水体动态监测的数据处理方法,其特征在于,所述S2,具体包括:对预测损失函数进行最小化求解,得到优化后的水体变化预测状态矩阵,作为长期水体动态监测的预测结果,提供未来时刻的水体状态分布。