典型文献
基于1D CNN-SLSTM模型的太湖蓝藻密度预测方法
文献摘要：
太湖中的水华爆发对太湖及其沿岸居民造成巨大影响,因此保证提前预测蓝藻密度非常重要.为精确预测太湖蓝藻密度,在长短时记忆网络(LSTM)模型的基础上,加入一维卷积模型,筛选并优化激活函数,提出一种基于1D CNN-SLSTM的预测模型预测蓝藻密度.试验结果表明,1D CNN-SLSTM模型的RRMSE、MMAPE、MMAE值分别比单独使用LSTM模型降低30.38％、1.85％、16.89％,R值和NNsE值则提升了0.08、0.17,验证了使用扩展型指数线性单元激活函数(Selu)的LSTM神经网络(1D CNN-SLSTM)预测效果最好.
文献关键词：
蓝藻密度;1D CNN;LSTM模型;Selu激活函数
中图分类号：
作者姓名：
季想;胡凯
作者机构：
江南大学物联网工程学院轻工过程先进控制教育部重点实验室,江苏无锡214122
文献出处：
引用格式：
[1]季想;胡凯-.基于1D CNN-SLSTM模型的太湖蓝藻密度预测方法)[J].水电能源科学,2022(01):56-59,51
A类：
MMAPE,NNsE,Selu
B类：
1D,SLSTM,太湖,湖蓝,蓝藻密度,密度预测,湖中,水华,沿岸,巨大影响,提前预测,精确预测,长短时记忆网络,一维卷积,激活函数,RRMSE,MMAE,指数线
AB值：
0.26064
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。
