科研之友
微信
新浪微博
Facebook
分享链接
摘要
水环境中过量的氮、磷和高锰酸盐会对流域造成严重污染，准确预测这三类指标的含量对流域污染治理具有重要意义。然而，现有的模型预测精度低，输入因子的选择缺乏数理依据。基于此，本研究以邕江为研究区域，提出一种RF-BiLSTM的混合网络模型。该模型利用RF提取水质指标最优特征和BiLSTM提取输入数据的时间特征的优势，采用先降维后预测的方式对TN、TP和CODMn进行预测，并将深度学习中的CNN、LSTM、BiLSTM和RF-LSTM作为基准模型与本研究所提模型作对比研究。研究结果表明，本研究所提模型预测TN、TP和CODMn的平均绝对百分比误差(MAPE)分别达到了4.33%、6.781%和7.384%，均低于其他基准模型，预测结果具有较高的准确性和实用性，能为水环境的污染治理提供有效的技术支持。
- 单位
