华南理工大学学报(自然科学版)

作者：唐莉丽, 刘乙奇

单位：华南理工大学 自动化科学与工程学院，广东 广州 510640

关键词：多参数时序预测,平稳小波变换,协同注意力机制,轻量化,污水处理

基金：国家自然科学基金项目(92467106);国家自然科学基金项目(62273151);国家自然科学基金项目(62073145);广东省基础与应用基础研究基金项目(2021B1515420003);广东省普通高校创新团队项目(2023KCXTDO72);先进造纸联合实验室开放课题(20241645)

在污水处理过程中，高效建模关键水质参数对于实现过程控制优化、异常检测和决策支持具有重要意义。然而，其过程数据普遍具有时序依赖性、多变量耦合性和工况非稳态性等特点，给精准建模带来了重大挑战。为解决这些问题，该文提出了一种基于平稳小波变换和协同注意力机制的轻量化多参数时序预测模型。该模型首先通过平稳小波变换对污水数据进行多尺度分解，提取不同尺度序列下的数据特征；然后，基于几何注意力与稀疏注意力构建协同注意力机制，高效捕捉关键水质参数之间的复杂耦合关系及时序特征；最后，通过双投影层将逆小波变换重构后的特征映射为最终预测结果。在东莞市某污水处理厂的实测数据集上进行模型训练与验证，并开展多步预测任务和部分数据可视化分析。实验结果表明：所提模型在24步多输出预测任务中，多输出均方根误差（RMSSD）相较于对比模型降低9.15%~37.70%；在其他预测任务中，精度仅次于参数规模更大的TimesNet。此结果体现了该模型在轻量化与高精度之间的有效平衡，验证了其在污水处理时序预测中的有效性。

来源：2026年第1期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第1期