一种基于短时傅里叶变换和卷积神经网络的液位预测方法

摘要

本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先，通过声共振液位测量仪器获取实验所需的共振波数据集。其次，对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后，基于卷积神经网络构建回归模型，选用均方误差作为损失函数，选用Adam函数作为优化算法。最后，将训练集输入到构建的卷积神经网络模型中进行模型，再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型，实现从原始数据到任务目标的映射过程；通过对模型参数迭代优化，提升卷积神经网络模型的泛化能力和预测结果的准确性。