核心期刊
胡晴晖1，宋金玲2，黄达3，胡家诚4，翟肖昂2
（1.福建省近岸海域环境监测站，福建 莆田 351106；2.河北科技师范学院 数学与信息科技学院 河北省农业数据智能感知与应用技术创新中心 河北省海洋动力过程与资源环境重点实验室，河北 秦皇岛 066004； 3.河北科技大学 经济管理学院，石家庄 050025；4.莆田市河务管理中心，福建 莆田 351100）
摘要：水污染事件威胁人类生产和生活安全,提前预测水质变化对水污染的快速反应具有重要意义。基于水质数据的时序性,引入泄漏积分型回声状态网络(ESN),以莆田市东圳水库水质监测站的10种水质指标数据作为样本,分别构建DO、CODMn、TP的水质预测模型。首先,在用邻近点线性趋势法对缺失值进行填充,用Z-score法和邻近点线性趋势法对异常值进行检测修正的基础上,用奇异谱分析(SSA)算法对水质数据进行平滑降噪处理;然后,采用最大互信息系数(MIC)衡量水质指标之间的相关度,选取相关系数较大的水质指标作为待预测水质指标的输入特征;最后,利用ESN构建基于多特征的水质预测模型,其中采用序列模型优化(SMBO)算法对模型的超参数进行优化。试验结果表明,构建的DO、CODMn和TP的SSA-MIC-SMBO-ESN水质预测模型都具有较高的预测精度,适合实际应用。
（1.福建省近岸海域环境监测站，福建 莆田 351106；2.河北科技师范学院 数学与信息科技学院 河北省农业数据智能感知与应用技术创新中心 河北省海洋动力过程与资源环境重点实验室，河北 秦皇岛 066004； 3.河北科技大学 经济管理学院，石家庄 050025；4.莆田市河务管理中心，福建 莆田 351100）
返回列表页