基于机器学习方法的湖泊表层总氮组合预测模型

摘要：

地表水体水质参数具有高度非线性和非平稳性特征.为提高水质预测的精度,以鄱阳湖湖区 4 个在线水质自动监测站总氮(TN)为例,引入变分模态分解(VMD)方法处理原始TN数据,得到具有不同频域的模态分量,对其中变化复杂的各高频分量,采用长短时记忆神经网络模型(LSTM)进行预测,并引入混沌麻雀搜索优化算法(CS-SA)对LSTM模型的超参数进行自动率定;对周期性变化的各低频分量,采用多元线性回归模型(MLR)进行预测,再将上述各分量预测结果叠加得到水体TN的预测结果,最终提出了一种新的水质组合模型VMD-CSSA-LSTM-MLR(VCLM),并与3 种单一模型LSTM、支持向量回归(SVR)和BP神经网络进行对比,验证了VCLM模型的效果.提出的模型可以作为湖区在线水质监测和水环境综合管理的有效工具.

关键词：组合预测模型、变分模态分解、混沌麻雀搜索优化算法、长短时记忆神经网络、多元线性回归、总氮

所属期刊栏目：42

分类号：X834(环境监测)

资助基金：江西省教育厅科学技术研究项目;江西省教育厅科学技术研究项目;江西省水利厅科技项目;江西省水利厅科技项目;国家自然科学基金;南昌工程学院大学生创新创业训练计划项目

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11-18