10.19557/j.cnki.1001-9944.2019.06.021
基于深度学习的水质预测模型研究
水环境中水质参数存在非线性、随机性以及依赖性,传统水质预测模型预测精度及鲁棒性普遍不高,为了优化与提高水质预测模型的预测精度,该文提出了一种基于深度学习的门控型循环神经网络的水质预测模型.通过探究循环神经网络的最佳网络结构数以及隐含层存储单元个数,结合上海市金泽水库真实监测数据,建立基于门控型循环神经网络(GRU)的水质预测模型.结果 表明,与传统的ARIMA和SVR水质预测模型相比,基于GRU网络的水质预测模型显著提高了水质预测的精确度,能够更好地逼近水质数据真实值,是一种预测精度高且鲁棒性好的水质预测模型.
预测模型、水质预测、GRU网络、循环神经网络、深度学习
34
TP212(自动化技术及设备)
陕西省工业领域重点研发计划项目2018ZDXM-GY-168
2019-07-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
96-100