人民黄河

作者：王军;高梓勋;朱永明

单位：（1.郑州大学 管理工程学院,河南 郑州 450001; 2.郑州航空工业管理学院 大数据科学研究院,河南 郑州 450046）

关键词：水质预测;长短时记忆网络;卷积神经网络;CNN-LSTM模型;小浪底水库;黄河

水质预测是水资源管理和水污染防治的基础性、前提性工作，但黄河流域水质预测研究相对滞后。为了改善LSTM水质预测模型的性能、提高其泛化能力，根据水质变化具有周期性和非线性的特征，以黄河小浪底水库溶解氧含量为研究对象，构建了一种卷积神经网络CNN和长短时记忆网络LSTM结合的CNN-LSTM预测模型，经试验验证，该模型可以高效地提取水质特征信息并进行时间序列预测，预测误差比LSTM模型的更低，其预测值的平均绝对误差和均方根误差分别比LSTM模型的低19.72%和10.44%，对较大值和较小值的预测更为准确，且具有较好的泛化性能。

来源：2021年第5期

《人民黄河》期刊编辑部

查看人民黄河杂志2021年第5期