检索结果-南通市图书馆

耦合动态方程的神经网络模型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 2017年第9期34卷 1-5页

作者：周彦辰胡铁松陈进许继军周研来长江科学院水资源综合利用研究所武汉430072 长江科学院流域水资源与生态环境科学湖北省重点实验室武汉430010 武汉大学水资源与水电工程科学国家重点实验室武汉430072

水质变化趋势的有效预测对于水资源综合管理具有重要意义。针对现有数据驱动模型不能有效反映研究对象物理机理的问题,提出了一种耦合动态方程的神经网络模型,并给出了动态方程的耦合方法。分别从数值算例和实际案例2个方面对传统网络... 详细信息

水质变化趋势的有效预测对于水资源综合管理具有重要意义。针对现有数据驱动模型不能有效反映研究对象物理机理的问题,提出了一种耦合动态方程的神经网络模型,并给出了动态方程的耦合方法。分别从数值算例和实际案例2个方面对传统网络模型和机理先验前馈网络模型进行了对比计算分析,拟合程度指标和计算误差指标都表明机理性先验知识的加入可以提高网络模型的预测精度和非线性拟合能力。同时,该模型在水质预测中具有适用性和合理性。在样本数量一定的情况下,机理性先验知识的耦合是进一步提高网络计算精度的有效途径。

关键词：水质预测神经网络模型耦合动态方程机理性先验知识 Mackey-Glass混沌系统

连云港近岸海域物理自净能力研究及水质预测——Ⅲ.西大堤建成后对物质输运的影响

在线全文

学校读者我要写书评

暂无评论

中国海洋大学学报（自然科学版） 1994年第S1期30卷 174-179页

作者：赵可胜娄安刚王学昌青岛海洋大学环保中心

在连云港近岸海域计算潮流场基础上建立拉格朗日余流模型,并对连云港市两大堤建成前后的拉格朗日余流变化进行了分析,且选择有代表性的排污口进行了数值跟踪。

关键词：连云港近岸海域拉格朗日余流模型物质输运跟踪物理自净水质预测

基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2024年第3期 86-95页

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浙江杭州310023

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,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(CEE... 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,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、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

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

灰色模型在大武水源地水质预测中的应用

山东农业大学学报（自然科学版） 2002年第1期33卷 66-71页

作者：王开章刘福胜孙鸣山东农业大学水利学院山东泰安271018 临淄水资办山东淄博255400

根据大武水源地的实际 ,运用灰色理论和方法进行GM(1,1)模型的建立、精度检验、模型修正的过程 ,并用该模型对大武水源地的水质变化趋势进行了预测。预测结果证明 ,该模型用于地下水源地水质预测 ,符合地下水系统的灰色特性 ,适用性好 ... 详细信息

根据大武水源地的实际 ,运用灰色理论和方法进行GM(1,1)模型的建立、精度检验、模型修正的过程 ,并用该模型对大武水源地的水质变化趋势进行了预测。预测结果证明 ,该模型用于地下水源地水质预测 ,符合地下水系统的灰色特性 ,适用性好 ,预测结果与环境状况吻合。另外 ,本文还就残差模型修正中的约束条件。

关键词：灰色模型地下水源地水南污染地下水水质预测

在线全文

学校读者我要写书评

暂无评论

基于VMDLSTNet的水质预测模型

科学技术与工程 2022年第22期22卷 9881-9889页

作者：白雯睿杨毅强朱雪芹四川轻化工大学自动化与信息工程学院宜宾644000

针对水质时序预测中存在长期信息和短期信息混合导致预测精度低的问题,采用变分模态分解(variational mode decomposition, VMD)和长短期时间序列网络(long-and short-term time-series network, LSTNet)组合使用以期望解决该问题得出... 详细信息

针对水质时序预测中存在长期信息和短期信息混合导致预测精度低的问题,采用变分模态分解(variational mode decomposition, VMD)和长短期时间序列网络(long-and short-term time-series network, LSTNet)组合使用以期望解决该问题得出更准确的水质预测。LSTNet网络中使用卷积神经网络(convolutional neural networks, CNN)提取短期局部水质信息,使用循环神经网络(recurrent neural network, RNN)提取长期水质信息,并且通过Skip-RNN利用序列周期特性,提取更长期信息,同时模拟自回归(autoregressive model, AR),为水质预测增添线性成分来达到输出能够响应输入尺度变化的目的。采用珠江流域老口站隔日采样的溶解氧数据验证模型效果,结果表明,VMDLSTNet网络处理水质预测问题的能力,不仅优于传统的BP神经网络(back propagation neural network, BPNN)、支持回归机(support vector regression, SVR)模型,而且优于深度学习中时域卷积网络(temporal convolutional network, TCN)模型、门循环网络(gate recurrent unit, GRU)、增加注意力机制的长短时记忆网络(long short-term memory add attention, LSTM-AT)模型,溶解氧的预测平均绝对误差(mean absolute error, MAE)为0.093 1,预测均方误差(mean square error, MSE)为0.014 6,预测均方根误差(root mean square error, RMSE)为0.120 8,水质类别的预测准确率为95%。

关键词：时间序列水质预测组合预测溶解氧

基于残差修正的GM(1,1)模型在水质预测中的应用研究

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2014年第19期44卷 176-181页

作者：郭兰兰邹志红安岩北京航空航天大学经济管理学院北京100191

将基于残差修正的GM(1,1)模型应用到永定河流域官厅水库出口断面的水质预测中,对常规污染物COD,DO,NH_3-N的浓度值进行趋势预测并对预测结果进行后验差检验.结果表明,与传统的GM(1,1)模型相比,残差修正的GM(1,1)模型能够有效提高预测精度.

关键词：水质预测 GM(1,1)模型残差修正

在线全文

学校读者我要写书评

暂无评论

一种融合专家知识和监测数据的水质预测模型

浙江工业大学学报 2021年第5期49卷 569-576页

作者：韩晓霞陈媛胡冠宇唐帅文火箭军工程大学作战保障学院陕西西安710025 火箭军工程大学导弹工程学院陕西西安710025 桂林电子科技大学计算机科学与信息安全学院广西桂林541004

为了解决目前水质预测中未考虑局部无知性这一问题,提出一种基于幂集置信规则库(Belief rule base with power set,PBRB)的水质预测模型。该模型能够有效融合专家知识与定量数据,并能在描述多种不确定性的同时,将传统的辨识框架扩展到幂... 详细信息

为了解决目前水质预测中未考虑局部无知性这一问题,提出一种基于幂集置信规则库(Belief rule base with power set,PBRB)的水质预测模型。该模型能够有效融合专家知识与定量数据,并能在描述多种不确定性的同时,将传统的辨识框架扩展到幂集,使其能够很好地表达无知性从而提高水质预测精度。此外,利用协方差矩阵自适应进化策略(Covariance matrix adaptive evolution strategy,CMA-ES)算法对PBRB模型进行优化。仿真结果表明:PBRB模型能准确预测一段时间内水质变化趋势,预测精度高于其他传统方法。

关键词：水质预测置信规则库 CMA-ES算法幂集

基于VMD-TCN-GRU模型的水质预测研究

在线全文

学校读者我要写书评

暂无评论

人民黄河 2024年第3期46卷 92-97页

作者：项新建许宏辉谢建立丁祎胡海斌郑永平杨斌浙江科技学院自动化与电气工程学院浙江杭州310023 凯铭科技(杭州)有限公司浙江杭州310023

为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此... 详细信息

为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此类研究中常见的SVR(支持向量回归)、LSTM(长短期记忆神经网络)、TCN和CNN-LSTM(卷积神经网络-长短期记忆神经网络)这4种模型预测结果对比表明:VMD-TCN-GRU模型能更好挖掘水质数据在短时震荡过程中的特征信息,提升水质预测精度;VMD-TCN-GRU模型的MAE(平均绝对误差)、RMSE(均方根误差)下降,R^(2)(确定系数)提高,其MAE、RMSE、R^(2)分别为0.0553、0.0717、0.9351;其预测性能优越,预测精度更高且拥有更强的泛化能力,可以应用于汾河水质预测。

关键词：水质预测混合模型变分模态分解卷积时间神经网络门控循环单元时间序列汾河

基于小波分析及长短期记忆网络的水质预测方法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于小波分析及长短期记忆网络的水质预测方法研究

作者：余钧波重庆交通大学

学位级别：硕士

近年来由于经济社会的飞速发展,工业化、城市化和农业现代化等进程加快,极大增加了水环境污染的风险。水环境污染将进一步加剧水资源危机,所以对水环境系统的污染进行有效防控势在必行。准确的水质预测能够分析水体环境的变化规律从而... 详细信息

近年来由于经济社会的飞速发展,工业化、城市化和农业现代化等进程加快,极大增加了水环境污染的风险。水环境污染将进一步加剧水资源危机,所以对水环境系统的污染进行有效防控势在必行。准确的水质预测能够分析水体环境的变化规律从而提前识别到潜在的水污染问题,是防范和管理水环境污染的重要手段。因此开发出精确且可靠的水质预测模型对于水环境的综合治理以及污染防控等方面具有十分重要的价值。基于此,为实现更为有效的水质预测,本研究选取太湖流域的pH、溶解氧（DO）、总氮（TN）和总磷（TP）四项水质指标为研究对象,进行特征规律探索同时建立两种水质混合预测模型进行系统研究,并进行综合评价。论文主要工作内容如下:（1）挖掘并分析了水质数据背后的特征。对四项水质指标进行了基本特征探索分析,包括分布特征、时间变化特征和季节性特征,从而识别出了主要的污染源和水质季节波动情况;进一步基于连续小波变换（CWT）方法分析四项水质指标的多时间尺度特征,其中,小波实部分析和小波模方分析表明在研究期间四项水质指标均主要存在着12-24个月尺度的周期振荡,并且在该尺度下的能量最强,周期性最为显著,小波方差分析表明pH、DO和TP均由三个主周期决定时域内的变化特征,而TN只由一个主周期决定。（2）构建了两种水质混合预测模型,包括:（i）基于离散小波变换（DWT）和LSTM模型的W-LSTM模型,以及（ii）基于离散小波变换、LSTM模型和Adaboost集成算法的W-LSTM-Adaboost模型。引入离散小波变换将水质时间序列分解为多个子序列,再利用LSTM模型或LSTM-Adaboost模型对每个子序列进行预测,最后将各子序列预测输出进行汇总得到最终预测结果。实验中选择了bior3.1小波函数对水质序列进行了两次分解,并通过组成成分分析识别出各子序列均为确定性成分。（3）面向太湖流域所选取的水质指标进行了实证分析研究。利用W-LSTM模型和W-LSTM-Adaboost模型分别对四项水质指标进行预测,根据预测结果及模型评价指标（R2、RMSE和MAE）表明所构建的两种模型预测效果显著。其中,W-LSTM模型在整体上展现出较好的预测性能但在局部存在一定的局限性,而W-LSTM-Adaboost模型在整体和局部都表现出优秀的预测能力;同时与单一的LSTM模型和LSTM-Adaboost模型相比较,证明了所构建的两种预测模型在水质预测领域的有效性和适用性。本研究构建的两种混合预测模型能实现准确、有效的水质预测,可为水环境的污染防控和治理以及水资源的合理规划利用提供科学指导作用。

关键词：小波分析长短期记忆网络水质预测时间序列混合模型