Zhejiang Daxue xuebao. Lixue ban (May 2022)

Multivariate water quality parameter prediction model based on hybrid neural network(基于复合神经网络的多元水质指标预测模型)

  • WANGYuwen(王昱文),
  • DUZhenhong(杜震洪),
  • DAIZhen(戴震),
  • LIURenyi(刘仁义),
  • ZHANGFeng(张丰)

DOI
https://doi.org/10.3785/j.issn.1008-9497.2022.03.013
Journal volume & issue
Vol. 49, no. 3
pp. 354 – 362

Abstract

Read online

长江流域在我国水资源配置体系中具有重要地位，对其进行水质预测尤为重要。基于现有研究结果，结合循环神经网络（recurrent neural network，RNN）中的门控循环单元（gate recurrent unit，GRU）模型与全连接神经网络（fully connected neural network，FCNN），提出了改进的多元水质指标预测（MWQPP）模型，并用其预测长江流域水体的pH、溶解氧（DO）、高锰酸盐指数（CODMn）、氨氮（NH3-N）。基于长江流域2011—2018年23个水质监测点7 566条原始数据，经对比实验，证明了用MWQPP模型预测得到的均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和决定系数（R2）均优于传统水质预测模型，有效提升了水质预测的精度，具有较好的鲁棒性，为水质预测和流域管理提供了科学支撑。

Keywords