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。