基于VMD-TCN-GRU模型的水质预测研究 |
| |
引用本文: | 项新建,许宏辉,谢建立,丁祎,胡海斌,郑永平,杨斌.基于VMD-TCN-GRU模型的水质预测研究[J].人民黄河,2024(3):92-97. |
| |
作者姓名: | 项新建 许宏辉 谢建立 丁祎 胡海斌 郑永平 杨斌 |
| |
作者单位: | 1. 浙江科技学院自动化与电气工程学院;2. 凯铭科技(杭州)有限公司 |
| |
基金项目: | 浙江省自然科学基金资助项目(LY19F030004,LQ16F030002);;浙江省重点研发计划项目(202206);;杭州市科技发展计划项目(202203B21); |
| |
摘 要: | 为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此类研究中常见的SVR(支持向量回归)、LSTM(长短期记忆神经网络)、TCN和CNN-LSTM(卷积神经网络-长短期记忆神经网络)这4种模型预测结果对比表明:VMD-TCN-GRU模型能更好挖掘水质数据在短时震荡过程中的特征信息,提升水质预测精度;VMD-TCN-GRU模型的MAE(平均绝对误差)、RMSE(均方根误差)下降,R2(确定系数)提高,其MAE、RMSE、R2分别为0.055 3、0.071 7、0.935 1;其预测性能优越,预测精度更高且拥有更强的泛化能力,可以应用于汾河水质预测。
|
关 键 词: | 水质预测 混合模型 变分模态分解 卷积时间神经网络 门控循环单元 时间序列 汾河 |
|
|