基于PSO-LSTM的垂直湖泊剖面溶解氧质量浓度预测

扫码查看

原文链接

万方数据
维普

中文摘要：溶解氧(Dissolved Oxygen,DO)是水体中一个至关重要的环境指标,对水生生物的生存和发展具有重要的影响.提高预测溶解氧的精确性可以在管理水质污染方面发挥预警作用,及时发现潜在的污染事件,并采取预防措施将影响降到最低.提出了一种粒子群算法(Particle Swarm Optimization,PSO)优化的长短期记忆(Long Short-Term Memory,LSTM)模型,简称"PSO-LSTM",并采用该方法来预测美国德克萨斯州北部伊格尔山湖(Eagle Mountain Lake,EML)的湖泊溶解氧的时空变化.实验结果表明,与传统长短期记忆模型方法相比,PSO-LSTM预测效果更好.

作者：

周夕雨

展开 >

作者单位：

江西理工大学土木与测绘工程学院,江西赣州 341400

关键词：

溶解氧 PSO-LSTM 多模型对比机器学习

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.06.038

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(6)

参考文献量5