文献阅读（SG滤波器—（LSTM）编码器与解码器模型，预测水质）—OrdinaryKriging模型

摘要

本周一是阅读了基于集成深度神经网络的大规模水质预测的论文，其首先是应用SG滤波器去实现水质数据平滑去噪，再将预处理后的数据，输入给基于LSTM的编码器-解码器神经网络模型去提取水质数据的特征，。对SG滤波器的原理的理解与基于python简单实现SG滤波器的平滑去噪处理，并在滤除噪声的同时可以确保信号的形状、宽度不变。
二是对用OrdinaryKriging模型，去简单实现克里金的空间插值。

文献阅读

一.Large-scale water quality prediction with integrated deep neural network（基于集成深度神经网络的大规模水质预测）

作者：Jing Bi, Yongze Lin, Quanxi Dong, Haitao Yuan.
参与单位：北京工业大学信息技术学院软件工程学院
中国北京航空航天大学自动化科学与电气工程学院
中国电子与计算机工程系，新泽西理工学院（2021.4.11日最终版）

1.1 论文摘要

水环境时间序列预测是水资源有效管理的重要内容。传统的水质预测主要基于线性模型。然而，由于水环境条件复杂，水质时间序列中存在大量噪声，严重影响水质预测的准确性。另外，线性模型难以处理时间序列数据的非线性关系。为了应对这一挑战，本文提出了一种基于长-短记忆编码-解码神经网络和Savitzky-Golay滤波器的混合模型。其中，Savitzky-Golay滤波器可以消除水质时间序列中的潜在噪声，长-短记忆可以研究复杂水环境中的非线性特征。通过这种方式，提出了一个综合模型，有效地获得了统计特征。基于真实数据的实验证明，它的预测性能优于几种最先进的同行。

1.2 问题描述

为了精准预测DO(溶氧量）与CODMN(化学需要量）等重要水质指标，改善水环境的管理。各种水质指标往往随时间动态变化。准确的水质预测可以帮助水环境管理部门做出决策，从而确保水质值在合理范围内。预测方法：从线性方法（ARIMA，MA）等，到（SVM，ANN，auto-encode,BPNN )等非线性方法，或者有线性与非线性方法的组合。本文引入LSTM可以更好的捕获水质数据的特征，并由于数据中存在噪声，预测模型往往存在过度拟合问题。Savitzky-Golay（SG）滤波器（过滤掉不想要的信号波，杂波）可以减少时间序列的噪声干扰，提高上述模型的预测精度。

1. Li等人结合LSTM和稀疏自动编码器设计了一种混合预测模型。由稀疏自动编码器预训练的隐藏层中的数据包含水质的潜在特征。该深度模型有效地提高了多步预测的精度。Dong等人采用基本的LSTM模型来预测水质。Bi等人采用注意机制来预测水质。然而，这些模型未能改善LSTM的网络结构。与上述模型不同，我们提出的模型改进了编解码网络结构，使其更好地适应多步时间序列预测。同时，为了解决时间序列数据的降噪问题，本文采用SG滤波器对原始数据进行去噪。

2. 本文设计了一个基于LSTM的编码器-解码器神经网络和SG滤波器（SELSTM）的混合模型来预测未来的水质。(SG滤波器可以在去除噪声的同时有效地保留时间序列的特性)

1.3 模型设计

1.3.1 SG filter

为了消除水质的频繁变化，我们使用SG过滤器来减少噪声的干扰。该滤波器在去噪过程中保留了数据的有效信息。然后，通过线性最小二乘法对每个数据子序列进行拟合。

计算拟合过程如下：

1.3.2 SE-LSTM

为了获得更好的预测精度，本工作提出了一种新的编码器-解码器神经网络，其结构如图：

训练模型：

输入：水质序列{$x_1;x_2;...;x_T$}
输出：预测序列{ $y_1;y_2;...;y_{涛}t$}

1. 初始化窗口大小(m)、多项式次数(k)、学习速率:(lr)、输入步数(T)、（多步预测）预测步数(涛t)、隐藏状态(p=q)。
2. ️ℭ从1到T：
3. 如上述SG滤波器公式,获取到滤波后的数据序列。
4. 对于每一次迭代：
5. t 从1到T：
6. 输入$x_t$和$h_{（}t-1）$，通过(6)-(9)中LSTM的编码器生成 $h_t$和$c_t$.（直到最后）
7. t’从1到 涛t：(涛t为预测步长）
8. 输入$c_T$和$d_{(}{t}^{\prime }-1)$，通过（6）-（9）中的LSTM的解码器生成，得出$d_{(}{t}^{\prime })$，并生成$y_t^{\prime }$.（直到最后）
9. 根据损失函数计算Loss
10. 应用BPTT反向传播梯度
11. 用Adam优化器对模型进行最小化损失训练

1.4 评估标准

为了证明SE-LSTM的预测性能，采用三个指标来评价其预测精度。

三个评估标准公式如下：

1.5 实验特点

数据来源：
水环境实验数据集采集自中国北京市古北口。该数据每4小时收集一次，从2014年4月到2018年10月共收集了超过1万条数据。然后，数据集被分成两个部分，包括训练集和测试集，比例为9:1。所有预测模型均采用DO和CODMn作为实验数据。

1. 对数据预处理，采用SG滤波器平滑处理数据，并通过实验与MM、SG和MA过滤器得出最佳滤波器是SG，计算实验（均方根误差）RSME的大小，选出最合适的窗口大小。
2. 为了获得更好的SG滤波器，我们给出了不同的参数设置，通过实验结果对比，设置窗口大小m与多项式K次的大小值；过大的窗口大小会去除时间特征，而过小的窗口大小则不能用来减少噪声。同样，太大K会导致最小二乘的过拟合，太小K会导致拟合不足。
3. 本实验在超参数的设置上，也是设计的较为科学合理，如m,k,的设置与特别是在输入时间步长T，隐藏状态p=q,的设置上，都是通过实验对比。
4. 为了更好地评价模型的多步预测，本实验将预测步长(涛t)从1到5，分别在不同的模型下，不同的预测步长下，进行对比分析，发现LSTM和SE-LSTM在多步拟合中的表现更优。
5. 从线性方法，到传统神经网络模型，到深度学习LSTM等，都一一详尽的做了实验对比，此外，加入SG滤波器后，所有模型的预测精度都得到了显著提高，从而更有道理的论述了该SE-LSTM模型的独特之处。

1.6 思考点

1. 采用Savitzky-Golay滤波器对时间序列数据进行滤波，另外本文采用基于LSTM的编码器-解码器模型来捕获特征。实验结果表明，该模型比现有的一些基准模型具有更高的预测精度。
2. 可以扩展模型从一下两点：一是研究相关的降维算法，通过一些平滑方法来减少相关噪声的干扰，更好地提取时间特征；二是进一步改进现有模型的网络结构，使其不仅可以接收历史数据，还可以捕获相关多特征数据的输入。
3. 我们可以将该模型应用到其他领域，例如:金融时间序列和交通流，以验证其有效性和稳健性。
4. 可以将图神经网络与时间序列模型相结合，提取水质时空特征。

补充点（SG滤波器的原理）

简介：

1 . Savitzky-Golay平滑滤波是光谱预处理中常用滤波方法，它的核心思想：是对一定长度窗口内的数据点进行k阶多项式拟合，从而得到拟合后的结果。 对它进行离散化处理后后，Ｓ-Ｇ 滤波其实是一种移动窗口的加权平均算法，但是其加权系数不是简单的常数窗口，而是通过在滑动窗口内对给定高阶多项式的最小二乘拟合得出。

2 . Savitzky-Golay平滑滤波被广泛地运用于数据流平滑除噪，是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波器最大的特点在于在滤除噪声的同时可以确保信号的形状、宽度不变。

3 . 用平滑滤波器对信号滤波时，实际上是拟合了信号中的低频成分，而将高频成分平滑出去了。 如果噪声在高频端，那么滤波的结果就是去除了噪声，反之，若噪声在低频段，那么滤波的结果就是留下了噪声。

公式推导：

设滤波窗口的宽度为 $n=2m+1$，各测量点为 $x=(-m,-m+1,\cdots ,0,1,\cdots ,m-1,m)$，采用 $k-1$ 次多项式对窗口内的数据点进行拟合:

$y=a_0+a_{1}x+a_2{x}^2+\cdots +a_{k-1}{x}^{k-1}$

于是就有了$n$ 个这样的方程，构成了 $k$ 元线性方程组。要使方程组有解则$n$ 应大于等于$k$，一般选择$n>k$，通过最小二乘法拟合确定拟合参数$A$。由此可得到:

上述公式可能过于复杂不方便理解，我们假设一个五点三次平滑公式，即 $m=2$ ,$n=2\ast 2+1=5$ , $k=3$ ,代入公式:

转换成矩阵表示的形式为:
$Y_{(}2m+1)\times 1$ =$X_{(}2m+1)\times k$ ⋅$A_{(}k\times 1)$+$E_{(}2m+1)\times 1$

A 的最小二乘解 $A^{-}$ 为:
$A^{-}=(X^T\cdot X)-1\cdot X^T\cdot Y$

Y 的模型预测值或滤波值:

​
Savitzky-Golay 滤波器代码实现曲线平滑

python中Savitzky-Golay滤波器调用如下：
两种调用方法

y_smooth = scipy.signal.savgol_filter(y,53,3)  
# 或者
y_smooth2 = savgol_filter(y, 99, 1, mode= 'nearest')

# 注意：
y：代表曲线点坐标（x,y）中的y值数组
window_length：窗口长度，该值需为正奇整数。例如：此处取值53
k值：polyorder为对窗口内的数据点进行k阶多项式拟合，k的值需要小于window_length。例如：此处取值3
**mode**：确定了要应用滤波器的填充信号的扩展类型。（This determines the type of extension to use for the padded signal to which the filter is applied. ）

实现平滑数据简单案例：

import numpy as np
import matplotlib.pyplot as plt


Size = 100
x = np.linspace(1, Size, Size)

data = np.random.randint(1, Size, Size)
print(data)
# >> >
# array([97 78 27  7 83 97 70 64 92 53 28 21 36 97 68 67 72 73 22 57 70 61 93 75
#  76 59 51 17 43 97 92 84 43 70 92 16 59 10 64 60  7 12 42 65 23 14 12 40
#  66 49 77 17 19 93 70 72 36 69 71 44 67 70 64 79 31  9 88  3 64 67 64 58
#  52 20 97 73 72 15 18 60 36 50 83 47 10  6 15 55 76 72 66 88 68 64 18 72
#  60 92 56 21])

# 可视化图线
plt.plot(x, data)
#plt.show()

# 使用Savitzky-Golay 滤波器后得到平滑图线
from scipy.signal import savgol_filter

y = savgol_filter(data, 5, 3, mode='nearest')
# 可视化图线
plot1 = plt.plot(x, data, 'b', label='original values')
plot2=plt.plot(x, y, 'r', label='savgol')
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.show()

效果图展示：

注：blue为原始数据，red为SG滤波器平滑去噪后数据。

（1）window_length对曲线的平滑作用： window_length的值越小，曲线越贴近真实曲线；window_length值越大，平滑效果越厉害（备注：该值必须为正奇整数）。

（2）k值对曲线的平滑作用： k值越大，曲线越贴近真实曲线；k值越小，曲线平滑越厉害。另外，当k值较大时，受窗口长度限制，拟合会出现问题，高频曲线会变成直线。

二. 深度学习方面

本周只是看了基于python下载克里金插值函数包pykrige，并没有详细拆开，只是直接利用OrdinaryKriging模型，去简单实现克里金的空间插值。

from  pykrige.ok import OrdinaryKriging
import numpy as np
from matplotlib import pyplot as plt
import xlrd   #读取excel的库

# 已知采样点的数据，是坐标（x，y）和坐标对应的值
# 矩阵中第一列是x,第二列是y,第三列是坐标对应的值
# data 样例格式
# data = np.array(
#     [
#         [0.1, 0.1, 0.9],
#         [0.2, 0.1, 0.8],
#         [0.1, 0.3, 0.9],
#         [0.5, 0.4, 0.5],
#         [0.3, 0.3, 0.7],
#     ])

resArray=[] # 先声明一个空list
data = xlrd.open_workbook("guiyihua.xlsx") #读取文件
table = data.sheet_by_index(0) # 按索引获取工作表，0就是工作表1

for i in range(table.nrows): # table.nrows表示总行数
    line=table.row_values(i) # 读取每行数据，保存在line里面，line是list
    resArray.append(line) # 将line加入到resArray中，resArray是二维list
resArray=np.array(resArray) # 将resArray从二维list变成数组

# a = np.squeeze(resArray, 0)
# print(a)

# 绘图 网格
x_range = 1.0
y_range = 1.0
range_step = 0.1 # 步长
gridx = np.arange(0.0, x_range, range_step)  #三个参数的意思：范围0.0 - 1.0 ，每隔0.1划分一个网格
gridy = np.arange(0.0, y_range, range_step)

ok3d = OrdinaryKriging(resArray[:, 0], resArray[:, 1], resArray[:, 2], variogram_model="linear") # 模型
# variogram_model 是变差函数模型
# pykrige提供 linear, power, gaussian, spherical, exponential, hole-effect
# 几种variogram_model可供选择，默认的为linear模型
# 使用不同的variogram_model，预测效果是不一样的，应该针对自己的任务选择合适的variogram_model

k3d1, ss3d = ok3d.execute("grid", gridx, gridy) # k3d1是结果，给出了每个网格点处对应的值

print(np.round(k3d1,2))
#输出的结果
# [[21.34 21.25 21.17 21.1 21.04 20.96 20.84 20.71 20.56 20.43]
#  [21.38 21.28 21.18 21.09 21.03 20.98 20.9 20.7 20.51 20.35]
#  [21.43 21.32 21.2 21.06 21.01 21.0 20.9 20.68 20.42 20.25]
#  [21.5 21.38 21.25 21.14 21.08 21.04 20.93 20.66 20.32 20.09]
#  [21.58 21.46 21.33 21.21 21.22 21.11 20.95 20.64 20.25 19.98]
#  [21.69 21.57 21.41 21.26 21.22 21.05 20.83 20.51 20.15 19.93]
#  [21.83 21.72 21.56 21.39 21.24 21.07 20.81 20.44 20.13 20.01]
#  [21.96 21.88 21.74 21.57 21.46 21.26 20.9 20.51 20.2 20.06]
#  [22.08 21.97 21.82 21.66 21.5 21.3 21.0 20.69 20.4 20.16]
#  [22.07 21.97 21.83 21.68 21.51 21.31 21.07 20.83 20.58 20.25]]

# 绘图
fig, (ax1) = plt.subplots(1)
ax1.imshow(k3d1, origin="lower")
ax1.set_title("ordinary kriging")
plt.tight_layout()
plt.show()

１.接下来计划将包解开详细看，对照数学公式，理解背后机制；对其中的半方差函数应该是怎样去拟合的，网络该如何去替换。目前还是不清楚。
２.快速学习python数据分析工具，以及pytorch框架的各模型的搭建，跑通经典模型。

三. 工程项目

无

四. 本科毕设

指导学弟完成了开题报告，以及准备开题答辩工作。