论文部分内容阅读
水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法(RF)与长短时记忆神经网络(LSTM)相结合的预测方法.以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数(CODMn)、氨氮(NH3—N)、总氮(TN)和总磷(TP)浓度变化的关键特征,在此基础上构建基于RF-LSTM的水质预测模型,并与单一LSTM、RF-BPNN和RF-RNN模型的预测效果进行对比.结果 表明:RF-LSTM模型的预测效果均优于其他模型,预测CODMn、NH3—N、TN和TP未来4 h浓度时的决定系数(R2)分别达到0.986、0.990、0.989和0.988,具有极高的预测精度和较强的泛化能力.研究结果为实现高精度水质预测提供了新思路.