期刊专题

10.13671/j.hjkxxb.2024.0104

基于双向长短期记忆网络组合模型的水质预测

引用
水质是生态环境保护和水资源管理的重要指标之一,准确预测水质对于保障水环境安全和可持续利用至关重要.本研究提出了一种基于双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的组合水质预测方法.该方法首先采用鱼鹰优化算法(Osprey optimization algorithm,OOA)改进的变分模态分解(Varational Mode Decomposition,VMD)方法将水质时间序列数据分解为多个本征模态函数(Intrinsic Mode Functions,IMF),以便捕捉不同时间尺度的波动特征;其次通过麻雀搜索算法(Sparrow Search Algorithm,SSA)优化后的双向长短期记忆网络进行单个IMF的预测;最后将各模态预测结果叠加融合得到最终预测结果.结果表明,该模型在黑河张家桥监测站点数据集上溶解氧、氨氮、总磷、总氮的均方根误差分别为0.162、0.002、0.003、0.063,校正系数分别为0.991、0.979、0.977、0.994;与BiLSTM和OOA-VMD-BiLSTM相比,均方根误差分别降低了0.393、0.005、0.004、0.376和0.236、0.004、0.003、0.148,校正系数分别提高了0.090、0.131、0.046、0.271和0.043、0.090、0.040、0.059.在其他检测站点的实验中,该方法也取得了良好的效果,进一步验证了其准确性和可行性.该方法作为水环境管理和决策的一种有效手段,能够帮助提高水质监测和水资源管理的效率.

水质预测、变分模态分解、鱼鹰优化算法、双向长短期记忆网络、麻雀搜索算法

44

X32;X832(环境规划与环境管理)

国家重点研发计划No.2022YFC3203605

2024-08-26(万方平台首次上网日期,不代表论文的发表时间)

共10页

261-270

暂无封面信息
查看本期封面目录

环境科学学报

0253-2468

11-1843/X

44

2024,44(7)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn