基于改进的Mogrifier LSTM算法水质浊度预测模型

作     者：杨博韬 刘黎志 YANG Botao;LIU Lizhi

作者机构：武汉工程大学智能机器人湖北省重点实验室武汉430205 武汉工程大学计算机科学与工程学院武汉430205 

出 版 物：《环境工程学报》 (Chinese Journal of Environmental Engineering)

年 卷 期：2024年第18卷第7期

页      面：1958-1963页

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 0804[工学-仪器科学与技术] 

基　　金：智能机器人湖北省重点实验室创新基金资助项目(HBIRL202207) 湖北省教育厅科学研究计划指导性资助项目(B2017051) 

主　　题：水质预测 浊度 卷积神经网络 形变长短时记忆网络 

摘      要：水环境资源保护作为当下最重要的工作之一,为了提高水质模型预测精度并制定更加完善的水资源管理策略,现提出一种基于改进的Mogrifier LSTM算法水质浊度数据预测模型,实现对水质数据的精准预测。该模型首先利用CNN卷积神经网络对复杂的水质数据进行特征提取,有效解决了水质数据非线性不稳定的特点,并对传统Mogrifier机制进行优化,引入扩展系数,利用PSO粒子群优化算法对超参数进行寻优操作,通过改造后的Mogrifier机制对LSTM模型中不同时刻的上下文信息进行融合,增强了水质数据的信息的交互。将预测结果与众多传统模型进行对比,结果表明CNN-改进Mogrifier LSTM模型具有更好的预测效果。