检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于不同人工神经网络的水质预测方法对比

环境科学 2024年

作者：肖明君朱逸纯高雯媛曾钰李濠陈硕夫刘萍黄红丽湖南农业大学环境与生态学院湖南省生态环境监测中心

利用现有水质数据对未来水质变化进行预测是实现区域规划与流域管理的有效工具．基于2022年4月至2022年5月湘江流域衡阳段水质监测数据，构建了反向传播神经网络(BPNN)与卷积神经网络(CNN)水质指标预测模型，并对高锰酸盐指数的预测结... 详细信息

利用现有水质数据对未来水质变化进行预测是实现区域规划与流域管理的有效工具．基于2022年4月至2022年5月湘江流域衡阳段水质监测数据，构建了反向传播神经网络(BPNN)与卷积神经网络(CNN)水质指标预测模型，并对高锰酸盐指数的预测结果进行了比较分析．数据显示，BPNN模型的预测值与真实水质情况基本吻合，但在拟合过程中出现了过拟合现象，利用粒子群算法(PSO)改进BPNN模型的参数选择方式，能够避免这一现象．而CNN模型拥有更复杂的结构、更科学的拟合方法，从而避免了模型在拟合过程中陷入局部极值，同时提高论了模型预测结果的准确性．以不同模型的均方根误差(RMSE)、决定系数(R2)与平均绝对误差(MAE)作为评价参数．与传统的BPNN模型相比，PSO-BP模型中测试集的RMSE从0.2782 mg·L-1降低到0.2109 mg·L-1，MAE从0.2223 mg·L-1降低到0.1537 mg·L-1，R2从0.8640提高到0.9218，PSO-BP模型拥有更加稳定的拟合效果．CNN模型测试集的RMSE、MAE和R2分别为0.1220 mg·L-1、0.0927 mg·L-1和0.9705，显示CNN模型预测效果更好．

关键词：湘江流域水质预测机器学习人工神经网络模型性能

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图神经网络的地表水水质预测模型

浙江大学学报（工学版） 2021年第4期55卷 601-607页

作者：许佳辉王敬昌陈岭吴勇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

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... 详细信息

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.

关键词：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

在线全文

学校读者我要写书评

暂无评论

基于复合神经网络的多元水质指标预测模型

浙江大学学报（理学版） 2022年第3期49卷 354-362,375页

作者：王昱文杜震洪戴震刘仁义张丰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

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 ... 详细信息

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。

关键词：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)

三种水质动态预测模型在米山水库的应用与结果对比

在线全文

学校读者我要写书评

暂无评论

灌溉排水学报 2023年第11期42卷 140-144页

作者：黄林显张明芳钱永邢学睿邢立亭韩忠济南大学水利与环境学院济南250022 威海市水文中心山东威海264209 中国地质科学院水文地质环境地质研究所石家庄050061 河北省/地调局地下水污染机理与修复重点实验室石家庄050061 山东正元地质资源勘查有限责任公司济南250101 山东省第六地质矿产勘查院山东威海264209

【目的】分析不同水质预测模型的预测精度,探寻最优的水库水质预测方法。【方法】分别构建了季节性差分自回归滑动平均模型(SARIMA)、霍尔特-温特(Holt-Winters)模型和长短时记忆(LSTM)神经网络模型,利用米山水库2012—2018年的月平均... 详细信息

【目的】分析不同水质预测模型的预测精度,探寻最优的水库水质预测方法。【方法】分别构建了季节性差分自回归滑动平均模型(SARIMA)、霍尔特-温特(Holt-Winters)模型和长短时记忆(LSTM)神经网络模型,利用米山水库2012—2018年的月平均电导率观测数据对模型进行训练,利用2019年月电导率实测数据对模型进行验证,考察3种预测模型的准确性和稳定性。【结果】SARIMA模型和Holt-Winters模型仅能考察水质数据的时序演化趋势,预测精度较低;相比之下,LSTM神经网络模型能同时考察水质数据的时序演化趋势及不同时刻之间的前后依赖关系,具有较强的非线性映射能力,预测精度最高。【结论】LSTM神经网络预测模型仅在电导率值突变处误差相对较大,但整体预测效果较为理想,因此在水质预测中更加具有推广价值。

关键词：时间序列模型 LSTM模型电导率水质预测米山水库

基于改进果蝇算法的LSTM在水质预测中的应用

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2023年第8期40卷 57-63页

作者：郭利进许瑞伟天津工业大学控制科学与工程学院天津300387 天津市电气装备智能控制重点实验室天津300387

水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项... 详细信息

水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项分量输入到长短时神经网络模型(LSTM)中进行预测,再针对LSTM网络初始化参数对预测性能的影响提出基于高斯函数的果蝇算法进行优化,最后将各分量的预测值重构为溶解氧浓度的预测值。以海河某3个河流断面的水质数据进行仿真检验,结果表明混合模型对3个站点溶解氧浓度预测效果好,误差小,泛化性强。

关键词：水质预测时间序列分解果蝇算法长短时神经网络溶解氧

在线全文

学校读者我要写书评

暂无评论

基于GRA-GRU的淮河流域水质预测研究

安全与环境学报 2024年第1期24卷 376-387页

作者：陈静李海洋安徽理工大学电气与信息工程学院安徽淮南232001

水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域... 详细信息

水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域水质数据为样本,使用线性插值修补缺失数据和剔除的异常数据。使用灰色关联分析计算不同水质指标间的相关性,选择高相关性的水质指标以确定输入变量,并使用门控循环单元(Gated Recurrent Unit, GRU)预测不同的水质指标。将GRA-GRU的预测结果与反向传播神经网络(Back Propagation Neural Network, BPNN)、循环神经网络(Recurrent Neural Network, RNN)、长短期记忆神经网络(Long Short Term Memory, LSTM)、GRU及灰色关联分析-长短期记忆神经网络(Grey Relational Analysis-Long Short Term Memory, GRA-LSTM)进行对比分析,结果显示GRA-GRU在不同水质指标预测上具有较好的适应性,可以有效降低预测误差。其中,与其他模型相比,GRA-GRU预测的化学需氧量在均方根误差上分别降低了3.617%、0.681%、0.478%、1.505%和0.471%。

关键词：环境工程学淮河线性插值灰色关联分析门控循环单元水质预测

基于RF-BiLSTM模型的河流水质预测研究

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2023年

作者：兰小机贺永兰武帅文江西理工大学土木与测绘工程学院

水环境中过量的氮、磷和高锰酸盐会对流域造成严重污染，准确预测这三类指标的含量对流域污染治理具有重要意义。然而，现有的模型预测精度低，输入因子的选择缺乏数理依据。基于此，本研究以邕江为研究区域，提出一种RF-BiLSTM的混合... 详细信息

水环境中过量的氮、磷和高锰酸盐会对流域造成严重污染，准确预测这三类指标的含量对流域污染治理具有重要意义。然而，现有的模型预测精度低，输入因子的选择缺乏数理依据。基于此，本研究以邕江为研究区域，提出一种RF-BiLSTM的混合网络模型。该模型利用RF提取水质指标最优特征和BiLSTM提取输入数据的时间特征的优势，采用先降维后预测的方式对TN、TP和CODMn进行预测，并将深度学习中的CNN、LSTM、BiLSTM和RF-LSTM作为基准模型与本研究所提模型作对比研究。研究结果表明，本研究所提模型预测TN、TP和CODMn的平均绝对百分比误差(MAPE)分别达到了4.33%、6.781%和7.384%，均低于其他基准模型，预测结果具有较高的准确性和实用性，能为水环境的污染治理提供有效的技术支持。

关键词：水质预测特征选择随机森林双向长短时记忆神经网络深度学习

基于EEMD-LSTM-SVR的水质预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程 2023年第4期41卷 1-12页

作者：曹文治苏雅曾阳艳刘厚盾刘利枚湖南工商大学前沿交叉学院湖南长沙410205 中南大学商学院湖南长沙510280

水质指标浓度序列的随机性、非线性、不平稳性极大地影响水质预测的准确性,为此,本文提出一种基于EEMD-LSTM-SVR的水质组合预测方法。首先对数据进行模态分解(选取EMD/EEMD作为模态分解算法),再对分解后的分量进行LSTM神经网络预测,最... 详细信息

水质指标浓度序列的随机性、非线性、不平稳性极大地影响水质预测的准确性,为此,本文提出一种基于EEMD-LSTM-SVR的水质组合预测方法。首先对数据进行模态分解(选取EMD/EEMD作为模态分解算法),再对分解后的分量进行LSTM神经网络预测,最后在分量重构时采用线性叠加(SUM)或者支持向量回归(SVR)得到最终的预测值。为了验证所提出方法的有效性,选取湘江流域上中下游典型断面进行溶解氧、氨氮等指标进行水质预测。结果表明:相比单一的LSTM神经网络预测方法,采用分解、预测、重构三阶段的组合预测方法精度更高。特别地,采用支持向量回归(SVR)得到的结果明显好于传统线性叠加(SUM)方法。

关键词：水质预测模态分解长短期记忆神经网络支持向量回归

在线全文

学校读者我要写书评

暂无评论

基于GBDT-LSTM的闽江流域水质预测

生态环境学报 2024年第4期33卷 597-606页

作者：肖扬岚沈惠柔许一涵尤添革郑艺婧谢候展宁静福建农林大学计算机与信息学院福建福州350002 福建省统计信息研究中心福建福州350002

闽江作为福建省最大的河流,其生态保护对维护全省水生态环境而言意义重大。为进一步利用水质评价和预测方法对水质状况进行有效分析,选取闽江流域2017年1月-2023年8月共20处水质监测站数据作为研究对象,采用水质综合指数法对各站点水质... 详细信息

闽江作为福建省最大的河流,其生态保护对维护全省水生态环境而言意义重大。为进一步利用水质评价和预测方法对水质状况进行有效分析,选取闽江流域2017年1月-2023年8月共20处水质监测站数据作为研究对象,采用水质综合指数法对各站点水质状态进行判断;比较LSTM模型和GBDT-LSTM模型的拟合结果,并对各指标数据进行预测。结果表明,1)闽江流域各监测点除总氮外的水质指标均呈现较好趋势,各监测点的总氮浓度存在差异,整体情况较差,其中位于三明和南平市的河段由于当地重工业发达,导致水体中的硝态氮不断增加,进而致使河段内总氮浓度过高。2)流域水质的WQI值呈现逐年上升的趋势,水质状况普遍处于中等及以上水平,仅有少数监测点的水质状况处于很差状态,从中上游携带的泥沙等固体的堆积导致了连江琯头的水质情况较差;沙县斑竹溪渡口由于位于三明和南平的交界处,且沿岸分布较多重工业城市,故水质状态略差;相较于南平和三明的大型重工业企业,位于古田县的监测点以农业、轻工业为主,对水质指标的影响相对较小,水质状况因此较好。3)采用GBDT对变异程度较高的各水质指标在预测模型中的重要性进行排序,发现GBDT-LSTM混合模型的拟合效果相较于LSTM模型更好,更有利于对水质状况进行精确地预测。4)水体中总氮、高锰酸盐指数等含量的不断增加主要源于大量的工业废水,建议加强对临近闽江流域高污染高排放企业的控制,科学合理地实现工业污染排放和污染物容量在时空上的合理分配。

关键词：闽江流域水质预测水质综合指数长短期记忆神经网络梯度提升树水质评价