基于图神经网络的地表水水质预测模型
Surface water quality prediction model based on graph neural network作者机构:浙江大学计算机科学与技术学院浙江杭州310027 浙江鸿程计算机系统有限公司浙江杭州310009
出 版 物:《浙江大学学报(工学版)》 (Journal of Zhejiang University:Engineering Science)
年 卷 期:2021年第55卷第4期
页 面:601-607页
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0812[工学-计算机科学与技术(可授工学、理学学位)] 081202[工学-计算机软件与理论]
基 金:“十三五”水体污染控制与治理科技重大专项资助项目(2018ZX07208-009) 中央高校基本科研业务费专项资金资助项目(2020QNA5017).
主 题:水质预测 图神经网络(GNN) 深度神经网络 长短时记忆网络(LSTM) 深度学习
摘 要:针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络(GNN)的地表水水质预测模型.该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络(LSTM)建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出.实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.