当前位置: 首页 > 文章 > 基于双层数据分解混合模型预测鄱阳湖COD 农业工程学报 2022 (5) 296-302
Position: Home > Articles > 基于双层数据分解混合模型预测鄱阳湖COD Transactions of the Chinese Society of Agricultural Engineering 2022 (5) 296-302

基于双层数据分解混合模型预测鄱阳湖COD

作  者:
陈伟;金柱成;俞真元;王晓丽;彭士涛;朱哲;魏燕杰
单  位:
天津理工大学环境科学与安全工程学院安全处置与资源化技术重点实验室;天津理工大学环境科学与安全工程学院安全处置与资源化技术重点实验室  ;交通运输部天津水运工程科学研究院
关键词:
水质;机器学习;COD;数据分解;样本熵(SE);
摘  要:
化学需氧量(Chemical Oxygen Demand, COD)是衡量水质状况的最重要参数之一,反映水体受还原性物质污染的程度。该研究采用改进的完全集合经验模式分解(ImprovedCompleteEnsembleEmpiricalModeDecompositionWith Adaptive Noise, ICEEMDAN)、变分模式分解(Variational Mode Decomposition, VMD)相结合的双层数据分解算法,并利用双向长短期记忆(BidirectionalLongShort-termMemory,BLSTM)神经网络,提出了一种混合模型IVB(Improved Complete Ensemble Empirical Mode Decomposition With Adaptive Noise-Variational Mode Decomposition-Bidirectional Long Short-term Memory),并以鄱阳湖高锰酸盐指数(Permanganate index, CODMn)监测数据为研究对象,进行案例研究。结果表明,IVB模型具有良好的预测性能:1d以后的CODMn预测中,IVB模型的平均绝对百分比误差为2.21%,与单一BLSTM神经网络模型相比降低了10.57个百分点,而与IB(ImprovedCompleteEnsembleEmpiricalModeDecomposition With Adaptive Noise-Bidirectional Long Short-term Memory)模型相比降低了4.62个百分点;7 d以后的CODMn预测中,IVB模型的平均绝对百分比误差为8.18%,与单一BLSTM神经网络模型相比降低了16.34个百分点,而与IB模型相比降低了4.68个百分点。这项研究表明,所开发的IVB模型可以用作水资源管理的有效分析与决策工具。

相似文章

计量
文章访问数: 13
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊