检索结果-南通市图书馆

基于数据驱动的水质预测方法研究及监测系统开发

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的水质预测方法研究及监测系统开发

作者：梁庆大连理工大学

学位级别：硕士

水资源与地球上的一切生命息息相关,现代工业、农业缺乏水资源都无法继续发展。如今随着经济的发展,水污染已经成为一个全球共性问题,如何防治水污染是关键。水质时序数据是水质监测结果的一般存储形式,其中既包含了水环境系统的历史信... 详细信息

水资源与地球上的一切生命息息相关,现代工业、农业缺乏水资源都无法继续发展。如今随着经济的发展,水污染已经成为一个全球共性问题,如何防治水污染是关键。水质时序数据是水质监测结果的一般存储形式,其中既包含了水环境系统的历史信息,又包含推动水体系统动态演化的关系信息。因此,学习和分析水质时序数据,有助于掌握其演化规律,进而准确预测水质参数的变化,对于水环境污染的治理和防治具有重要的意义。本文针对具有诸多非确定时变特征和大数据量的多元水质时序数据以及不同的应用场景,对水质时序数据预测算法展开了研究,提高预测精度和效率,提升模型的泛化能力和实际应用价值。针对传统水质模型参数多、过程复杂、不易推广的问题,本文采用回声状态网络设计预测模型应用于水质时序数据预测。为解决回声状态网络泛化能力差,无法根据不同的水质时序数据有效选择储备池参数的问题,提出基于改进蝗虫优化算法和回声状态网络的预测模型。为了更好地平衡全局搜索和局部搜索,蝗虫优化算法的递减系数c能够以新的随机策略自适应调整;将柯西变异算子与差分进化算子相结合,对种群位置进行变异更新,增强了算法的寻优性能。通过以上改进,增强了基于回声状态网络的预测模型的预测精度和泛化能力。针对离线预测模型算法复杂度较高,实时性较差,不能够满足在线预测需求的问题,本系统利用核递归最小二乘法来提取水质参数之间的非线性特征进行水质预测。同时为了解决该方法在应对大规模多元水质数据的预测任务时出现的数据挤压所导致的占用内存较大,时空复杂度增加等问题,提出一种动态搜索稀疏化核递归最小二乘算法,算法采用近似线性依赖判定准则和固定预算策略双重稀疏化策略对核矩阵进行有效的约束,从而改善核递归最小二乘法所存在的一些问题。同时针对稀疏化策略中阈值参数不确定的问题,利用群智能优化算法广泛搜索参数解空间,寻找最适合当前预测任务的参数组合,极大提高了预测精度和泛化能力。针对水源水库等环境监测点条件复杂多变,环境恶劣,无法人工实时采集水质数据,本文设计了一套水质监测系统,能够在复杂工况环境下保持稳定运行,同时作为预测模型的应用平台,实现了水源地水质信息在线监测和预测,有利于研究人员进行水质管理与决策,具有极高的应用价值。

关键词：水质预测回声状态网络核递归最小二乘法优化算法水质监测系统

基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国农村水利水电 2023年

作者：项新建张颖超许宏辉厉阳王世乾郑永平浙江科技学院自动化与电气工程学院

针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题，本文提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分... 详细信息

针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题，本文提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分解(CEEMDAN)对原始数据进行分解，再利用变分模态分解(VMD)对熵值最高的模态分量进行二次分解，最终将处理后的时间序列输入到TCN-lightGBM多特征预测模型中。同时，采用麻雀算法(SSA)对预测模型进行优化。以山东省玉符河水质为例，本模型的均方根误差(RMSE)是0.1053，平均绝对误差(MAE)是0.0815，决定系数(R2)是0.9471，与GRU、LSTM、LightGBM 、TCN等当下较为流行的模型的预测指标进行比较。结果显示，在R2上本模型提升了53.04%、70.41%、66.07%、65.20%等，在RMSE上减少了62.76%、65.50%、64.93%、64.80%等，在MAE上降低了62.76%、66.24%、63.80%、65.24%等。由此可知，基于CEEMDAN-VMD-TCN-lightGBM的模型具有更好的预测性能和泛化能力和捕捉信号非线性特征的能力。

关键词：二次分解 TCN lightGBM 多特征预测水质预测麻雀算法

基于进化算法优化的CNN-EA-ConvLSTM水质预测模型

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水电能源科学 2023年第8期41卷 73-76页

作者：王红晨马俊陈博行青海师范大学物理与电子信息工程学院青海西宁810016 青海师范大学高原科学与可持续发展研究院(物联网重点实验室) 青海西宁810016 青海师范大学计算机学院青海西宁810016

针对传统水质预测方法难以捕捉样本中时空特征的问题,提出建立基于CNN-EA-ConvLSTM水质预测模型,即首先通过卷积神经网络(CNN)对数据降维处理,提取样本特征,然后使用外部注意力机制探索样本间的隐藏信息,以卷积长短期记忆网络(ConvLSTM... 详细信息

针对传统水质预测方法难以捕捉样本中时空特征的问题,提出建立基于CNN-EA-ConvLSTM水质预测模型,即首先通过卷积神经网络(CNN)对数据降维处理,提取样本特征,然后使用外部注意力机制探索样本间的隐藏信息,以卷积长短期记忆网络(ConvLSTM)进一步捕捉数据的空间特性,为使模型能达到最优效果,使用遗传算法优化模型中的超参数,最后以青海省的水质监测数据为样本对模型进行仿真验证。结果表明,该模型的平均绝对误差(M_(MAE))为0.063、均方根误差(R_(RMSE))为0.012、平均绝对百分比误差(M_(MAPE))为2.6%,与CNN-EA模型、CNN-LSTM模型相比M_(MAE)、R_(RMSE)、M_(MAPE)分别降低了18%和24%、14%和25%、16%和21%,模型可有效获取水质的时空特征,减弱不同样本间的影响,达到理想预测效果。

关键词：水质预测卷积神经网络(CNN) 外部注意力 ConvLSTM 遗传算法(GA)

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于二次分解和混合模型的河流水质预测方法

基于二次分解和混合模型的河流水质预测方法

作者：董良暨南大学

学位级别：硕士

由于近年来人口指数级增长和人类生产集约化,频繁的人类活动加速了排放废物向水环境生态系统的流动,导致水环境生态系统的恶化。在这样的背景下,水质预测作为一种具有高成本效益的管理措施已成为水环境科学的热点话题。水质预测模型可... 详细信息

由于近年来人口指数级增长和人类生产集约化,频繁的人类活动加速了排放废物向水环境生态系统的流动,导致水环境生态系统的恶化。在这样的背景下,水质预测作为一种具有高成本效益的管理措施已成为水环境科学的热点话题。水质预测模型可为水环境污染提供预警信息,并有助于为后续的污染治理提供参考,因此预测方法的可靠性和准确性对水质管理有重要的现实意义。然而,在不同环境因素的影响下,单一模型不能完全描述水质序列的动态特性,影响了水质模型的预测精度。为了获得较精确的水质预测结果,当前常用的方法是基于信号分解技术作为预处理方法提取水质序列的主要波动和趋势。但是分解得到的高频模态仍然不稳定。为了解决这一问题,二次分解集成方法被提出。在本研究中,为了降低预测难度,首先通过基于自适应噪声的完全集成经验模式分解(CEEMDAN)分解原始水质数据,得到了不同特征的模态。CEEMDAN分解得到的高频模态分量具有较高的复杂性和不稳定性,对预测效果影响大。鉴于这种状况,基于变分模式分解(VMD)对得到的高频模态分量进行二次深度分解。二次分解不但充分提取隐藏在高频数据中的有效信息,而且进一步降低了数据的复杂性。此外,由于不同模态分量具有不同程度的平稳性和复杂性,本研究有针对性地选择与模态分量数据特性相匹配的预测方法去有效地地预测。所提出的预测模型框架能够根据时频分解方法得到的子分量特征选择合适预测模型,从而降低单一子序列的预测误差,提高组合模型总体预测的准确度。为了验证提出模型的合理性和实用性,粤港澳大湾区内某典型地表河流水质监测数据被用来作为研究对象。最终的实验结果表明:和基准模型相比,提出的基于二次分解和多模型集成的的预测模型框架展示出更高的预测精度与更低的预测误差,表明其在水质预测领域的良好潜力。因此,对于不稳定的复杂性高的水质数据,提出的模型能够有效地预测。

关键词：水质预测时频分析二次分解深度学习混合模型

基于GA-VMD-LSTM的河流水质预测模型的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GA-VMD-LSTM的河流水质预测模型的研究与应用

作者：何欣华中科技大学

学位级别：硕士

水质预测作为水资源保护的基础性手段,能够反映水体水质的变化趋势,为做好高质量水资源统筹规划提供技术支持,有助于缓解水资源危机,推进生态环境修复。水环境是一个极其复杂的灰色系统,内在变化规律未完全可知,水体中各水质参数的变化... 详细信息

水质预测作为水资源保护的基础性手段,能够反映水体水质的变化趋势,为做好高质量水资源统筹规划提供技术支持,有助于缓解水资源危机,推进生态环境修复。水环境是一个极其复杂的灰色系统,内在变化规律未完全可知,水体中各水质参数的变化具有非线性和不确定性的特点。长短期记忆神经网络(LSTM)以其出色的时序处理能力在水质预测中有着广泛的应用。为了进一步提升水质预测的精确性和适用性,本文基于深圳市茅洲河监测站点的水质数据,提出了一种将变分模态分解(VMD)与LSTM相结合的水质预测方法,以实现对河流水质的高精度预测。本文的主要工作如下:(1)在深入了解当前水质预测工作所用方法的基础上,基于对茅洲河水质预测的适用性分析,设计并构建了基于遗传算法优化变分模态分解的LSTM水质预测模型,即GA-VMD-LSTM模型。主要通过VMD算法对复杂的水质数据进行分解,得到更为简单有序的子序列以降低后续预测难度,并使用遗传算法(GA)优化VMD参数以获得最优分解效果;对分解得到的子序列根据平稳性特征进行不同模式的LSTM预测,以最大利用子序列的特征信息,最后将所有子序列的预测结果相加得到最终的预测值。(2)在深圳市茅洲河共和村水质监测断面对本研究所提的GA-VMD-LSTM模型进行了实验验证。选择水体中的溶解氧、p H、高锰酸钾指数和氨氮作为预测指标,实验结果显示,以上四种水质指标均有较高的预测精度,表明本文所建立的模型在深圳市茅洲河的水质预测上具有适用性。(3)为进一步验证模型性能,将本文所建立的模型与其他模型进行对比验证分析。结果表明,无论是与BP、RNN、LSTM等单一模型相比,还是与EMD-LSTM、EEMD-LSTM、GA-VMD-BP、GA-VMD-RNN等组合模型相比,本文所建立的模型整体的预测精度更高,预测性能更好,证明了本文模型的有效性。

关键词：水质预测变分模态分解特征提取长短期记忆神经网络组合预测

江苏太湖流域水环境时空分异特征及水质预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

江苏太湖流域水环境时空分异特征及水质预测研究

作者：卞华民东南大学

学位级别：硕士

江苏太湖流域位于长江三角洲核心区域，流域内人口密集、社会经济发达，近年来流域内的水环境保护修复工作虽然取得一定成效，但当前流域内水环境保护形势依然严峻。本文以江苏太湖流域为研究区域，基于流域内2015-2020年的水质监测数... 详细信息

江苏太湖流域位于长江三角洲核心区域，流域内人口密集、社会经济发达，近年来流域内的水环境保护修复工作虽然取得一定成效，但当前流域内水环境保护形势依然严峻。本文以江苏太湖流域为研究区域，基于流域内2015-2020年的水质监测数据，从时空分异角度出发，研究流域内水污染状况及水质时空变化规律，并对流域内主要湖泊进行富营养化评估。同时针对流域水质变化特点，建立水质预测模型。以期为流域水环境治理、风险预防等工作提供参考。论文具体研究内容及结果如下：　　（1）基于 2015-2020 年江苏太湖流域水质监测数据，采用聚类分析和主成分分析对流域水质进行时空分析。结果表明，流域内湖库水体的 TN污染最为严重，但 DO、CODMn、COD、BOD5、NH3-N、TN、TP 等主要污染指标均呈逐年好转的趋势，且具有一定的年内周期性变化规律。聚类分析将流域水质在时间上划分为 T1、T2，分别对应流域内的汛期（5-9月）和非汛期（1-4月和10-12月）;流域水质在空间分布上呈现一定的集聚性特征，可以划分为两组，S1组主要分布在流域东部及长江沿岸，S2组主要分布在流域西部及北部。主成分分析结果表明流域内水质污染整体以氮磷污染和有机物污染为主，同时存在潜在的重金属污染风险。汛期有机物污染更为严重，非汛期氮磷污染更为严重，流域整体水环境质量呈现东部高、西部和北部低的趋势。　　（2）提出了一种基于蒙特卡洛模拟的综合营养状态指数法对江苏太湖流域内太湖、滆湖、长荡湖、阳澄湖和昆承湖进行富营养化评估。结果表明，蒙特卡洛模拟可以减少因误差导致的富营养化评估结果的不确定性。流域内的太湖、滆湖、长荡湖、阳澄湖和昆承湖均存在不同程度的富营养化问题，其中大部分湖泊处于轻度富营养状态，滆湖富营养化问题最为严重，它在2019和2020年均处于中度富营养状态。chl.a指标对综合营养状态指数表现出较高的影响力。　　（3）提出了一种集成小波变换（WT）和门控循环单元（GRU）神经网络的 WT-GRU 水质预测模型对江苏太湖流域内 DO、CODMn、TN、TP 进行预测。结果表明， WT-GRU 模型可以准确的预测江苏太湖流域内水质变化情况，且模型预测精度显著高于GRU和BP模型，证明了小波变换可以有效分离水质时序数据中的低频和高频信息，降低噪音影响。此外，模型对于数据分布更为稳定且周期性变化规律更为显著的 DO、CODMn指标的预测精度更高。

关键词：江苏太湖流域水环境时空分异水质预测

基于KH-SVM及GM（1，1）的鄱阳湖水质综合评价与水质预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于KH-SVM及GM（1，1）的鄱阳湖水质综合评价与水质预测研究

作者：田熊长南昌大学

学位级别：硕士

鄱阳湖是中国最大的淡水湖,有着巨大的生态、经济和社会价值,但随着工农生产和城市化的快速发展,湖区水质污染问题日益凸显。加之,鄱阳湖水位季节性变化剧烈,使得湖区水质呈现明显的动态变化特征,加剧了鄱阳湖水质状况评价及趋势预测的... 详细信息

鄱阳湖是中国最大的淡水湖,有着巨大的生态、经济和社会价值,但随着工农生产和城市化的快速发展,湖区水质污染问题日益凸显。加之,鄱阳湖水位季节性变化剧烈,使得湖区水质呈现明显的动态变化特征,加剧了鄱阳湖水质状况评价及趋势预测的复杂性和难度。因此,本文以鄱阳湖为研究对象,以2013～2018年湖区实测水质数据为基础,采用磷虾群算法(krill herd,KH)优化的支持向量机(support vector machine,SVM)模型,即KH-SVM模型,对鄱阳湖水质状况进行了综合评价与分析,并通过基于残差序列和马尔科夫理论修正的GM(1,1)预测模型对鄱阳湖未来水质变化趋势进行了预测研究,为决策者了解鄱阳湖水体质量状况及变化趋势,剖析当前水环境存在的问题与症结,制定相关保护措施提供一定的科学依据。本文主要研究内容及结论如下:(1)对2013～2018年湖区各项水质指标变化趋势进行了分析,结果表明:溶解氧和p H值均呈先上升后逐年下降趋势;磷酸盐和氨态氮浓度均呈小幅波动,略微升高趋势;亚硝酸盐则呈波动上升变化,其含量在2017年有所降低,随后又显著升高;硝酸盐氮呈先升后降,再在2016～2018年间逐年升高的变化趋势;化学需氧量、总氮、总磷均较为稳定,没有明显的变化趋势。经以上分析,结合各指标意义,选取溶解氧、总氮、氨态氮、化学需氧量、总磷作为代表性水质评价指标,用于后续鄱阳湖水质评估研究。(2)应用KH-SVM模型对基于地表水水质标准随机内插的多组数据进行分类,并与原始SVM模型进行对比验证,其结果显示前者分类的准确率高达100%,高于后者的89.2%,且时间效率相差不大,建立的KH-SVM模型弥补了原始SVM模型在参数选择上的盲目性,且分类的准确率也得到了显著提高。(3)基于鄱阳湖实测水质数据,对比分析了KH-SVM模型与传统水质评价方法(单因子、综合指数(WQI)、SVM模型)的水质评价结果,结果显示:单因子评价,其“一票否决”的评价原则过于严苛;WQI评价过于乐观,评价原则略带主观性,且评价结果过于集中;基于SVM的水质评价结果在某些特殊时期与实际水质特征不符,准确性不足;而KH-SVM模型更为客观、准确、可靠,在水质评价方面具有较好的适用性。(4)基于KH-SVM模型的水质评价结果显示,2013～2018年鄱阳湖水质在时间上整体呈现一定程度的恶化趋势,在空间上呈现由南向北逐渐变好的现象,其中南湖区水质波动变化较大,丰水期优于枯水期优于平水期,至2018年各时期水质均达到Ⅴ类水平;北湖区水质相对稳定,枯水期优于丰水期优于平水期,水质类别主要为Ⅲ～Ⅳ类,但也呈向Ⅳ类集中恶化趋势,尤以枯水期较为明显。(5)基于修正的GM(1,1)模型及KH-SVM模型的水质预测评价结果显示:鄱阳湖在未来5年里,总氮浓度呈小幅度持续上升趋势,其余各项指标均呈持续走低趋势;在分区预测中,南湖区的总磷及北湖区的总氮和氨态氮呈上升趋势,其余指标均呈明显下降趋势;未来湖区水质类别主要为Ⅲ～Ⅳ类,整体水质状况有望好转,但南、北湖区水质类别仍没有明显改观。

关键词：水质评价水质预测鄱阳湖 KH-SVM GM(1,1)

基于智能计算的对虾养殖水质预测模型研究及系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于智能计算的对虾养殖水质预测模型研究及系统实现

作者：廖梓渊仲恺农业工程学院

学位级别：硕士

随着对虾养殖规模持续扩张与物联网技术的发展和普及,由以经验为主的传统养殖方式正在向以技术为依托的现代养殖方式转变,而养殖环境的精准预测是对虾养殖信息化的重要环节,促进对虾养殖行业向智能化方向发展有重要作用。因此,本文以对... 详细信息

随着对虾养殖规模持续扩张与物联网技术的发展和普及,由以经验为主的传统养殖方式正在向以技术为依托的现代养殖方式转变,而养殖环境的精准预测是对虾养殖信息化的重要环节,促进对虾养殖行业向智能化方向发展有重要作用。因此,本文以对虾养殖水质参数为研究对象,结合信号分析处理、群智能优化算法、机器学习等技术,提出基于智能计算的对虾养殖水质组合预测模型,其主要工作如下:(1)提出基于小波阈值降噪(wavelet threshold noising,WTD)和支持向量回归机(Support Vector Regression,SVR)的溶解氧预测模型。通过对比降噪效果选择了Coiflets小波函数,对水质数据进行降噪处理,然后建立SVR模型,对溶解氧进行预测。将本文构建的WTD-SVR预测模型与标准BPNN预测模型对比,评价指标RMSE、MAE降低了33.2%、31.4%,R提高了8.9%,对比标准GRU模型,RMSE、MAE降低了28.7%、25.1%,R提高了4.7%,对比SVR标准模型,RMSE、MAE降低了33.2%、31%,R提高了8.6%。(2)构建基于LightGBM、麻雀搜索优化算法和支持向量回归机的水质预测模型。该模型采用具有全局最优、结构简单和泛化能力强等特点的支持向量回归机对水质进行预测,首先对所有水质数据进行预处理和降噪,利用麻雀搜索算法进行参数寻优,选取最佳的参数值,提高模型预测性能。采用LightGBM分析各水质参数对预测模型的相关性,选取合适的特征组合,降低模型复杂度,提升模型预测能力。对比其他预测模型,试验得出,本文提出的组合预测模型RMSE、MAE、R值分别为0.022、0.015和0.976,均优于对比模型,且精度较高,适用于对虾养殖水质预测。针对海量数据下单机模式存储资源不足、算法模型计算速度慢的问题,本文引入了Spark分布式计算框架,采用SMO并行算法思想,实现SVR在Spark环境下的并行化计算。试验结果证明,在大数据样本下SVR预测模型在Spark并行模式下比单机环境具有更快的运行速度与更强的实用性。(3)设计并实现了对虾养殖水质监测及预测系统。综合应用上述研究成果,并结合Hadoop、Spring Boot、Mybatis等相关开发技术进行平台开发,采用物联网、人工智能、机器学习等技术进行数据采集,依据数据特点,结合使用关系型和非关系型数据库进行数据存储。平台为用户提供对虾养殖信息管理和高效的水质预测等功能,对促进对虾养殖业向智能化、信息化数字化等方向发展具有一定的研究价值。

关键词：对虾养殖水质预测智能计算支持向量机

基于精度加权FA-Stacking的林村河水质指数预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于精度加权FA-Stacking的林村河水质指数预测研究

作者：郭宇东北林业大学

学位级别：硕士

近年来,物联网和人工智能等新兴技术被广泛的应用于各个行业中。在此背景下,我国水务建设正朝着信息化、自动化的方向发展。然而,随着经济飞速发展,水污染问题却日益严重,这制约着我国生态文明建设。其中水质指数（WQI）预测是水质领域... 详细信息

近年来,物联网和人工智能等新兴技术被广泛的应用于各个行业中。在此背景下,我国水务建设正朝着信息化、自动化的方向发展。然而,随着经济飞速发展,水污染问题却日益严重,这制约着我国生态文明建设。其中水质指数（WQI）预测是水质领域建设核心,对于水资源污染和异常等情况,如何准确高效的做出告警,提高相应水资源的保护能力是十分重要的。传统WQI的计算时间长,参数缺失时便无法得到正确结果,这些问题会造成不必要的经济损失。利用一些非物理方法正确的预测WQI是现在研究的重点。本课题结合机器学习进行WQI预测研究与水质管理预测系统的构建,快速、准确的进行水质评价,解决了传统水质预测领域中建模复杂,训练周期过长及实际应用困难等问题,为水污染治理的决策提供及时、高效的技术支持。针对上述问题,本文的研究工作如下:首先,对香港林村河的水质指标数据集进行特征工程完成数据清洗工作。在特征选择阶段借助虚假最近邻点的思想结合Gamma Test（GT准则）对输入特征列进行敏感度排序。以敏感度值大小为依据构建了11个不同的输入组合,并使用支持向量机回归（SVR）、随机森林（RF）、极端树回归（ETR）、梯度提升决策树（GBDT）、极端梯度提升（XGBoost）和多层感知机回归（MLPRegressor）六种基学习器筛选出了最优输入组合作为后续算法研究的输入。其次,为了提高Stacking模型在回归问题上的预测精度,本文针对传统的K折交叉验证中的Stacking模型进行了优化。在生成第二层元学习器的训练集时,传统Stacking模型采用了基学习器的K个子学习器的平均值,但忽略了子学习器的精度问题。对此,本文优化了相应的生成策略并提出了一种基于学习器精度加权的Stacking模型。之后使用萤火虫算法（FA）完成了本研究选择的6种基学习器算法的关键参数最优值的选择问题,并在改进的Stacking模型构建过程中采用穷举的策略选出了第一层基学习器的最优组合（SVR、ETR和XGBoost）,第二层的元学习器则是采用非线性拟合能力强的RF算法,构建了最终的精度加权FA-Stacking模型。在林村河的数据集上,与6种优化过后的基学习器算法以及传统的FA-Stacking模型进行评价指标分析得到精度加权FA-Stacking模型拥有最优的性能R=0.987、RMSE=4.30、MAE=2.21。最后,实现了林村河监测站的水质管理预测系统。在系统的设计过程中,从系统安全性、稳定性以及后续拓展性出发,完成系统架构设计、物理架构设计及功能设计的工作。系统整体功能分为硬件管理功能、水质取样功能、水质预测功能、系统管理功能及软网关5大模块。

关键词：水质预测 WQI Gamma Test Stacking模型萤火虫算法