集群式地表水参数预测建模与诊断.pdf

摘要

摘要

水质预测是管理水资源和控制污染的重要工具。它可以准确地预测水中污染物浓

度随时间的变化趋势，以便采取适当的措施确保符合国家标准和法规。传统的水质监

测方法使用人工检测设备存在检测时间长、无法实时监测等缺点。因此，需要开发新

的监测技术，如遥感和自动化监测系统，以实现实时监测和预测水质。

本文建立了经验模态分解（EmpiricalModeDecomposition，EMD）-奇异值分解

（SingularValueDecomposition，SVD）-长短期记忆（LongShortTermMemory，LSTM）

联合地表水水质预测模型，实现了对未来一段时间内地表水氨氮（NH）参数值的预

测。为了使提出的水质预测模型可以在实际工作得到应用，本文设计、开发了地表水

水质预测诊断系统。

本文所做的工作主要包括以下几点：

（1）建立基于LSTM神经网络的水质预测模型。具体地，本文将监测到的水质

数据处理后输入到建立的LSTM神经网络预测模型中，就可以得到未来时刻水质参

数的预测结果。为了评估模型预测的准确性，本文计算了预测模型的RMSE和MSE

等指标，并将之与其他模型进行对比。实验结果表明，基于LSTM神经网络的水质

预测模型具有更高的准确性和实时性，能够更好地预测未来时刻水质参数的变化趋

势。

（2）为进一步提高LSTM预测模型精度，降低原始水质序列数据中的干扰信息

对预测结果的影响，使用经验模态分解-奇异值分解结合的水质序列数据处理方法将

水质参数数据分解为若干个相对平稳的固有模态函数和一个残差项然后选取奇异值

重构分解得到的分量，提出基于EMD-SVD-LSTM算法的组合水质参数预测模型。并

且使用改进的鲸鱼优化算法优化LSTM模型的模型参数和奇异值分解重构过程中的

参数，改进后的鲸鱼优化算法较传统鲸鱼优化算法提高了算法的收敛速度和求解精

度，实验证明改进的鲸鱼优化算法改善了LSTM模型训练速度和预测精度。

（3）设计、开发了水质预测系统。水质预测系统主要包括以下几个模块：水质

数据采集模块，负责采集监测站点中的水质数据；数据通信模块，负责将采集到的数

据传输到水质预测模型中进行处理；水质参数预测及诊断模块，利用训练好的水质预

测模型，实现对未来一段时间内水质参数的预测及诊断。

关键词：水质参数预测经验模态分解奇异值分解鲸鱼优化算法长短期记忆神

经网络

I

Abstract

Abstract

Waterqualityforecastingisanimportanttoolformanagingwaterresourcesand

controllingpollution.Itcanaccuratelypredictthetrendofpollutantconcentrationsin

waterovertimesothatappropriatemeasurescanbetakentoensurecompliancewith

nationalstandardsandregulations.Traditionalwaterqualitymonitoringmethodsusing

manualtestingequipmenthasthedisadvantagesoflongdetectiontimeandtheinabilityto

monitorinrealtime.Therefore,newmonitoringtechnologies,suchasremotesensingand

automatedmonitoringsystems,n