基于因果卷积低秩表示模型的水质数据插值

水质监测是环境保护的关键环节，广泛部署大量监测点用于水质监测。由于数据采集故障、传感器和通信故障等不可避免因素，水质监测数据在时间上存在缺失值，导致形成高维稀疏（HDS）水质数据（WQD）。简单的、粗略的缺失值填补方法会导致结果不准，影响相关措施的实施。因此，本文提出一种基于因果卷积低秩表示（CLR）模型，用于插值缺失的 WQD，以提高 WQD 的完整性，该模型采用两种思想：a)应用因果卷积操作考虑低秩表示的时间依赖性，从而纳入时间信息以提高插值准确性；b)实施超参数自适应方案，在模型训练期间自动调整最佳超参数，从而减少人工调参的繁琐工作。对三组真实水质数据集进行实验研究表明，所提出的 CLR 模型在插值准确性和计算时间方面均优于一些现有的基于状态方法模型，同时表明该模型为环境监测提供了更可靠的决策支持。