基于图神经网络的地表水水质预测模型

作     者：许佳辉 王敬昌 陈岭 吴勇 XU Jia-hui;WANG Jing-chang;CHEN Ling;WU Yong

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.