人民黄河

作者：项新建;许宏辉;谢建立;丁祎;胡海斌;郑永平;杨斌

单位：1.浙江科技学院 自动化与电气工程学院，浙江 杭州 310023；2.凯铭科技杭州有限公司，浙江 杭州 310023

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

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,R2(确定系数）提高，其MAE、RMSE、R2分别为0.055 3、0.071 7、0.935 1;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。

来源：2024年第3期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第3期