典型文献
基于TimeGAN-CNN-LSTM模型的河流水质预测研究
文献摘要：
为精确预测河流水质中的铵离子(NH+4)浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型.使用TimeGAN对河流水质历史数据进行数据增强,生成合成时间序列数据;采用CNN对输入的数据进行特征提取,并通过全连接层将数据输入到LSTM中得到预测值,从而建立TimeGAN-CNN-LSTM河流水质预测模型.试验结果表明,模型预测效果良好,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为0.07、0.08和0.97,比CNN-LSTM模型分别提高了45.45％、47.06％和19.75％,比LSTM模型分别提高了50％、50％和21.25％.TimeGAN-CNN-LSTM既解决了训练模型时数据不充分的问题,又能够充分提取水质数据在时间和空间上的特征,具有较高的应用价值.
文献关键词：
水质预测;混合模型;时间序列对抗生成网络;卷积神经网络;长短期记忆网络;时间序列数据
中图分类号：
作者姓名：
张丽娜;陈会娟;余昭旭
作者机构：
华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237;上海西派埃智能化系统有限公司,上海 200233
文献出处：
引用格式：
[1]张丽娜;陈会娟;余昭旭-.基于TimeGAN-CNN-LSTM模型的河流水质预测研究)[J].自动化仪表,2022(08):11-15
A类：
时间序列对抗生成网络
B类：
TimeGAN,河流水质,预测研究,精确预测,铵离子,NH+4,开水,水质数据,混合模型,历史数据,数据增强,时间序列数据,全连接层,水质预测模型,平均绝对误差,MAE,RMSE,决定系数,训练模型,分提,取水,长短期记忆网络
AB值：
0.201059
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。
