基于双向长短期记忆网络组合模型的水质预测

作     者：尚旭东 段中兴 陈炳生 李天册 

作者机构：西安建筑科技大学信息与控制工程学院 

出 版 物：《环境科学学报》 (Acta Scientiae Circumstantiae)

年 卷 期：2024年第7期

页      面：261-270页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划（No.2022YFC3203605） 

主　　题：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 

摘      要：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-VMDBiLSTM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.