1.一种基于改进DE与注意力机制的LSTM污水水质预测方法，其特征在于，包括如下步骤：步骤1：对污水处理厂重要特征数据集进行预处理，所述特征数据集包括当前时刻的pH、电导率、水温、浊度、高锰酸钾、总磷、氨氮、总氮以及前些时刻的溶解氧DO历史数据；

步骤2：构建并初始化ATT‑LSTM水质预测模型，所述ATT‑LSTM水质预测模型为基于注意力机制ATT的长短期记忆LSTM神经网络模型；

步骤3：基于预处理后的数据，利用改进差分进化算法ADE优化所述ATT‑LSTM水质预测模型的超参数，得到最优超参数ADE‑ATT‑LSTM水质预测模型；

S31：ATT‑LSTM水质预测模型的隐藏层神经元数量和学习率被选作ADE算法的优化参数，确定待优化参数的优化范围，随机初始化种群P；

S32：计算ADE算法中每个个体的适应度值：

其中，p为样本数，yp为样本的真实值， 为预测值；

S33：将整个种群P随机分为探索子种群P1、开发子种群P2和平衡子种群P3，并自适应选择突变策略；

1)探索子种群P1

探索子种群P1采用DE/rand/2作为突变策略；使用两个随机差分向量对目标个体进行干扰，突变策略如下：“DE/rand/2”：Vi,G＝Xr1,G+F×(Xr2,G‑Xr3,G)+F×(Xr4,G‑Xr5,G)其中，Vi,G为当前种群中的个体Xi,G利用变异策略生成一个突变向量，r1、r2、r3、r4、r5分别表示[1,N]范围内随机生成的互斥整数，F∈[0,1]为变异因子；

2)开发子种群P2

开发子种群P2采用DE/best/2作为突变策略，在当前种群的最优个体附近搜索，突变策略如下：“DE/best/2”：Vi,G＝Xbest,G+F×(Xr2,G‑Xr3,G)+F×(Xr4,G‑Xr5,G)其中，Xbest,G为第G代种群中适应度值最佳的个体向量；

3)平衡子种群P3

对于平衡子种群P3，根据个体适应度值的大小，将当前迭代到第G代的种群划分为优秀种群和普通种群，改进的差分进化算法的变异策略中，Xr1,G,Xr2,G,Xr4,G从优秀种群中随机选择，Xr3,G和Xr5,G从普通种群中随机选择，自适应突变策略选择如下：其中，优秀种群规模占全部种群规模的比例设置为0.4，QG为在上式两种变异策略中被选择的概率，计算如下：S34：进入突变阶段，根据相应的突变策略和自适应变异因子F执行相应的粒子突变方法；

S35：进入变异阶段，根据自适应交叉概率Cr执行相应的粒子变异方法；

S36：计算个体的适应度值，确定3个子种群里的最优值，并将3个子种群合并；

S37：判断是否满足终止迭代的条件；如果迭代次数达到最大值，则返回模型的最优超参数；否则，重复S33继续执行，直到满足终止条件；

步骤4：基于预处理后的数据，构建训练集、测试集以训练所述最优超参数ADE‑ATT‑LSTM水质预测模型；

步骤5：将收集到的数据集，包括当前时刻的pH、电导率、水温、浊度、高锰酸钾、总磷、氨氮、总氮以及前些时刻的溶解氧历史数据，输入到训练好的ADE‑ATT‑LSTM水质预测模型，得到未来DO值预测结果。

2.根据权利要求1所述的改进DE与注意力机制的LSTM污水水质预测方法，其特征在于，所述步骤1中并对数据集进行预处理的步骤包括：S11：异常值处理：首先特征值进行描述性的统计，以查看不合理的数据以及数据是否服从正态分布，当样本距离平均值大于3个标准差，则认定该样本为异常值，并在数据集中将其删除；

S12：缺失值处理：索引到数据集中含有缺失值的数据，将索引到的缺失值按照其上一个时间点和下一个时间点的数据进行填充；

S13：归一化处理：将不同尺度和范围的数据映射到统一的范围内，以消除不同特征之间的量纲差异。

3.根据权利要求1所述的改进DE与注意力机制的LSTM污水水质预测方法，其特征在于，所述步骤2中的注意力机制，根据输入特征的重要性分配相应的权重，计算公式如下：m

其中，T是总时间步长；h是LSTM的输出特征向量；αm是通过全连接层的第一次加权计算αh的结果；Wl 和bα分别是全连接层的权重矩阵和偏置；βm是通过softmax激活函数计算的分配给相应hm的最终权重；而向量γ是提取的重要特征。

4.根据权利要求1所述的改进DE与注意力机制的LSTM污水水质预测方法，其特征在于，所述S34中进入突变阶段，根据相应的突变策略和自适应变异因子F执行相应的粒子突变方法，所述自适应变异因子F的生成如下：λ

F＝F0·2

其中，F0为突变因子的初始值，G为当前迭代的次数，Gm为最大迭代次数；F从2F0递减到F0。

5.根据权利要求1所述的改进DE与注意力机制的LSTM污水水质预测方法，其特征在于，所述S35每个个体的自适应交叉概率Cr生成如下：其中，是Crmax,Crmin是给Cr定的最大值和最小值， 和fmax分别代表第i个个体的适应度、种群适应度的平均值、最优个体的适应度和最差个体的适应度。