基于SSA-MIC-SMBO-ESN的水质预测模型

水污染事件威胁人类生产和生活安全，提前预测水质变化对水污染的快速反应具有重要意义。基于水质数据的时序性，引入泄漏积分型回声状态网络(ESN)，以莆田市东圳水库水质监测站的10种水质指标数据作为样本，分别构建DO、COD_Mn、TP的水质预测模型。首先，在用邻近点线性趋势法对缺失值进行填充，用Z-score法和邻近点线性趋势法对异常值进行检测修正的基础上，用奇异谱分析(SSA)算法对水质数据进行平滑降噪处理；然后，采用最大互信息系数(MIC)衡量水质指标之间的相关度，选取相关系数较大的水质指标作为待预测水质指标的输入特征；最后，利用ESN构建基于多特征的水质预测模型，其中采用序列模型优化(SMBO)算法对模型的超参数进行优化。试验结果表明，构建的DO、COD_Mn和TP的SSA-MIC-SMBO-ESN水质预测模型都具有较高的预测精度，适合实际应用。