10.3969/j.issn.1000-1220.2021.08.001
时间序列模型和LSTM模型在水质预测中的应用研究
针对传统河流水质预测模型预测精度较低,泛化能力弱的问题.本文在基于传统的时间序列模型进行水质预测的基础上,引入了LSTM神经网络,建立了ARIMA和LSTM组合模型以及SARIMA和LSTM组合模型用于河流水质预测的研究.结果表明,ARIMA和LSTM组合模型的预测精度比单一的ARIMA模型提高了约7%,SARIM和LSTM组合模型比单一的SA-RIMA模型的预测精度提高了约6%,比ARIMA和LSTM组合模型的预测精度提高了约2%.本文建立的组合模型算法,使得河流水质预测精度得到明显的提高,并且能够较好的应对复杂河流水环境的变化.
水质预测;ARIMA模型;SARIMA模型;LSTM神经网络;组合模型
42
TP391(计算技术、计算机技术)
国家水体污染控制与治理科技重大专项2018ZX07601001
2021-09-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
1569-1573