关键词:
水质预测
浊度
卷积神经网络
形变长短时记忆网络
摘要:
水环境资源保护作为当下最重要的工作之一,为了提高水质模型预测精度并制定更加完善的水资源管理策略,现提出一种基于改进的Mogrifier LSTM算法水质浊度数据预测模型,实现对水质数据的精准预测。该模型首先利用CNN卷积神经网络对复杂的水质数据进行特征提取,有效解决了水质数据非线性不稳定的特点,并对传统Mogrifier机制进行优化,引入扩展系数,利用PSO粒子群优化算法对超参数进行寻优操作,通过改造后的Mogrifier机制对LSTM模型中不同时刻的上下文信息进行融合,增强了水质数据的信息的交互。将预测结果与众多传统模型进行对比,结果表明CNN-改进Mogrifier LSTM模型具有更好的预测效果。