基于小波去噪和LSTM的Seq2Seq水质预测模型
建立水质模型预测水质变化是保障饮用水安全、人类健康和维持生态平衡的关键.本文提出了基于小波分解去噪和LSTM的双层双向Seq2Seq混合模型(W-Bi2Seq2Seq)来预测水质的变化.使用Daubechies5(db5)小波将数据集分解为低频序列和高频序列,高频序列作为噪声去除,仅保留低频信号用作所提出模型的输入.选取了烟台市门楼水库的4项水质指标数据(pH、氨氮、电导率和浊度)用于模型的训练,验证和测试.所提出的小波双层双向模型(Bi2)与小波单层单向模型(Uni1)、小波单层双向模型(Bi1)、小波双层单向模型(Uni2)、传统的LSTM模型以及基于小波分解的LSTM模型(W-LSTM),进行比较实验.其实验结果显示,在训练过程中,4个Seq2Seq模型都具有很好的性能,都能够很好拟合4项水质指标的历史数据集.然而,测试结果表明,Bi2在预测精度和泛化能力方面优于其他5个模型,并且显著提高复杂度较高的水质数据的预测精度.
水质预测、小波去噪、Daubechies5、LSTM、Seq2Seq模型、小波分析、深度学习、门楼水库
31
X824;TP391.41;TN911.7
山东省自然科学基金ZR2020MF148
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
38-47