基于1-DRCNN和BiGRU混合神经网络模型的滦河水质预测

当前全球水环境受到了严重损害。水质参数的预测可以为未来的水情和水质改善提供有效的参考材料。为了进一步提高水质预测的准确性以及模型的稳定性和泛化能力，我们提出了一种新的综合深度学习水质预测算法。首先，通过孤立森林、拉格朗日插值法、滑动窗口平均和主成分分析(PCA)对水质数据进行清洗和预处理。然后，使用一维残差卷积神经网络(1-DRCNN)和双向门控递归单元(BiGRU)提取水质参数中的潜在局部特征，并整合时间序列前后信息。最后，使用全连接层获取总氮(TN)、总磷(TP)和高锰酸钾指数(COD-Mn)的最终预测结果。我们的预测实验根据2018年7月5日至2019年3月26日期间，河北省唐山市滦河三个控制段的达黑亭水库、滦县桥和姜各庄的实际水质数据进行。该方法的最小绝对百分比误差(MAPE)为2.4866，决定系数(R2)能够达到0.9431。实验结果表明，本文提出的模型具有比现有LSTM、GRU和BiGRU模型更高的预测准确性和泛化能力。