基于ＶＭＤ－ＴＣＮ－ＧＲＵ 模型的水质预测研究

打开文本图片集

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。（剩余6926字）