首页|基于CNN-LSTM模型的黄河水质预测研究

基于CNN-LSTM模型的黄河水质预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
水质预测是水资源管理和水污染防治的基础性、前提性工作,但黄河流域水质预测研究相对滞后.为了改善LSTM水质预测模型的性能、提高其泛化能力,根据水质变化具有周期性和非线性的特征,以黄河小浪底水库溶解氧含量为研究对象,构建了一种卷积神经网络CNN和长短时记忆网络LSTM结合的CNN-LSTM预测模型,经试验验证,该模型可以高效地提取水质特征信息并进行时间序列预测,预测误差比LSTM模型的更低,其预测值的平均绝对误差和均方根误差分别比LSTM模型的低19.72％和10.44％,对较大值和较小值的预测更为准确,且具有较好的泛化性能.
Research on Yellow River Water Quality Prediction Based on CNN-LSTM Model

王军、高梓勋、朱永明

展开 >

郑州大学 管理工程学院,河南 郑州450001

郑州航空工业管理学院 大数据科学研究院,河南 郑州450046

水质预测 长短时记忆网络 卷积神经网络 CNN-LSTM模型 小浪底水库 黄河

河南省高等学校重点科研项目河南省重点科技攻关项目河南省重点科技攻关项目2021年度河南科技智库调研课题

20A520041202102210375212102210518HNKJZK-2021-61C

2021

10.3969/j.issn.1000-1379.2021.05.018

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2021.43(5)
  • 15
  • 7