首站-论文投稿智能助手
典型文献
基于复合神经网络的多元水质指标预测模型
文献摘要:
长江流域在我国水资源配置体系中具有重要地位,对其进行水质预测尤为重要.基于现有研究结果,结合循环神经网络(recurrent neural network,RNN)中的门控循环单元(gate recurrent unit,GRU)模型与全连接神经网络(fully connected neural network,FCNN),提出了改进的多元水质指标预测(MWQPP)模型,并用其预测长江流域水体的pH、溶解氧(DO)、高锰酸盐指数(CODMn)、氨氮(NH3-N).基于长江流域2011—2018年23个水质监测点7566条原始数据,经对比实验,证明了用MWQPP模型预测得到的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)均优于传统水质预测模型,有效提升了水质预测的精度,具有较好的鲁棒性,为水质预测和流域管理提供了科学支撑.
文献关键词:
水质预测;人工神经网络;门控循环单元(GRU);全连接神经网络(FCNN)
作者姓名:
王昱文;杜震洪;戴震;刘仁义;张丰
作者机构:
浙江大学 浙江省资源与环境信息系统重点实验室,浙江 杭州 310028;浙江大学 地理信息科学研究所,浙江 杭州 310027
引用格式:
[1]王昱文;杜震洪;戴震;刘仁义;张丰-.基于复合神经网络的多元水质指标预测模型)[J].浙江大学学报(理学版),2022(03):354-362,375
A类:
MWQPP
B类:
复合神经网络,水质指标,指标预测,水资源配置体系,循环神经网络,recurrent,neural,network,RNN,门控循环单元,gate,unit,GRU,全连接神经网络,fully,connected,FCNN,长江流域水体,溶解氧,DO,高锰酸盐指数,CODMn,氨氮,NH3,于长江,水质监测,监测点,原始数据,RMSE,平均绝对误差,MAE,平均绝对百分比误差,MAPE,决定系数,水质预测模型,流域管理,人工神经网络
AB值:
0.35837
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。