基于CNN-LSTM的白马湖水质预测模型研究
湖泊生态系统水质预测对湖泊生态健康状况评定、环境问题诊断和湖泊生态系统管理具有重要意义.溶解氧是评价湖水水质的重要指标,因此准确地预测溶解氧含量可以帮助人们及时地了解湖泊水质的状态,以便更好地管理湖泊.该文以白马湖溶解氧含量为研究目标,首先得到溶解氧数据,然后构建一个CNN-LSTM模型以此来预测白马湖溶解氧含量,其中溶解氧数据融合作为模型的输入,以便提高特征的多样性,最后通过与常用的水质预测方法的对比实验来证明本文方法的有效性.实验表明该文提出的模型两个评价指标均方根误差(RMSE)和决定系数(R2)分别为0.41和0.96,优于其他的评价水质的方法.
水质预测、溶解氧、CNN-LSTM
18
TP3(计算技术、计算机技术)
江苏省重点研发计划社会发展重大科技示范项目;淮安市创新能力建设计划;江苏省高校哲学社会科学研究一般项目
2022-10-27（万方平台首次上网日期，不代表论文的发表时间）
共3页
11-13
