-
题名基于经验小波变换的鄱阳湖COD_(Mn)预测
被引量：4
- 1
-
-
作者
陈伟
金柱成
俞真元
王晓丽
彭士涛
魏燕杰
-
机构
天津理工大学环境科学与安全工程学院
朝鲜理科大学数学系
交通运输部天津水运工程科学研究院
-
出处
《环境工程技术学报》
CAS
CSCD
北大核心
2023年第1期180-187,共8页
-
基金
中央级公益性科研院所基本科研业务费专项(TKS190202,TKS20200405)
天津市科技计划项目(20JCQNJC00100)。
-
文摘
高锰酸盐指数(COD_(Mn))是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_(Mn)时间序列分解成若干成分,然后利用BLSTM神经网络对分解出来的每个成分进行预测,最后将所有成分的预测结果重建获得最终COD_(Mn)预测值的新的混合模型EWT-BLSTM;并以2017年8月—2020年4月鄱阳湖COD_(Mn)监测数据为研究对象,进行模型性能验证。结果表明:EWTBLSTM模型具有良好的预测性能,预测未来1 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为2.25%,与单一BLSTM神经网络模型相比降低了10.53%;预测未来7 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为8.36%,与单一BLSTM神经网络模型相比降低了16.16%。在COD_(Mn)峰值处,该模型依然保持较高稳定的预测性能,说明在数据相对复杂、极端的情况下,该模型依然适用。
-
关键词
水质预测
COD_(Mn)
经验小波变换(EWT)
双向长短期记忆(BLSTM)
机器学习
数学模拟
鄱阳湖
-
Keywords
water quality forecast
COD_(Mn)
empirical wavelet transform(EWT)
bidirectional long short-term memory(BLSTM)
machine learning
mathematical modelling
Poyang Lake
-
分类号
X524
[环境科学与工程—环境工程]
-
