基于复合神经网络的多元水质指标预测模型
Multivariate water quality parameter prediction model based on hybrid neural network作者机构:浙江大学浙江省资源与环境信息系统重点实验室浙江杭州310028 浙江大学地理信息科学研究所浙江杭州310027
出 版 物:《浙江大学学报(理学版)》 (Journal of Zhejiang University(Science Edition))
年 卷 期:2022年第49卷第3期
页 面:354-362,375页
核心收录:
学科分类:07[理学] 070503[理学-地图学与地理信息系统] 0705[理学-地理学]
基 金:国家自然科学基金资助项目(41922043,41871287,42001323) 国家重点研发计划项目(2018YFB0505000)。
主 题:水质预测 人工神经网络 门控循环单元(GRU) 全连接神经网络(FCNN)
摘 要:长江流域在我国水资源配置体系中具有重要地位,对其进行水质预测尤为重要。基于现有研究结果,结合循环神经网络(recurrent neural network,RNN)中的门控循环单元(gate recurrent unit,GRU)模型与全连接神经网络(fully connected neural network,FCNN),提出了改进的多元水质指标预测(MWQPP)模型,并用其预测长江流域水体的pH、溶解氧(DO)、高锰酸盐指数(CODMn)、氨氮(NH_(3)-N)。基于长江流域2011—2018年23个水质监测点7 566条原始数据,经对比实验,证明了用MWQPP模型预测得到的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R^(2))均优于传统水质预测模型,有效提升了水质预测的精度,具有较好的鲁棒性,为水质预测和流域管理提供了科学支撑。