水质参数预测是当今绿色发展、生态修复的重要一环，但传统水质预测模型准确度低、泛化能力弱、计算复杂耗时，难以满足大数据时代下水质预测的需求。该文以江西赣州禾丰盆地的水质参数作为研究对象，根据水质参数周期性、非线性以及长时依赖的特征，提出一种结合注意力机制（Attention）和长短期记忆网络（LSTM）的模型。实验结果表明，该文提出的模型在多种评价指标下均优于循环神经网络（SimpleRNN）和LSTM，能够有效预测未来水质参数的变化趋势，具有较强的泛化性能。
科研之友
微信
新浪微博
Facebook
分享链接
