基于粒子群优化的GRU广东省跨境断面水质预测模型研究

水质预测是跨界断面环境风险分析的重要方法，对水质监控和水源保护具有重要作用。GRU是水质预测的常规模型，但广东跨界断面众多、水质数据变化较大，不同断面不同时间段的GRU水质预测需要对超参数进行多次训练调整，以保证模型获得较高的精度。为快速简便地实现GRU模型的迁移使用，提出了PSO-GRU水质预测模型，引入粒子群优化算法，对GRU的超参数进行优化，减少了超参数设置的经验性和随机性，提高模型预测精度。构建PSO-GRU水质预测模型的步骤主要为，1)分析水质特征，确定滑动窗口，构建数据集(训练集、验证集、测试集)；2)设置PSO-GRU的相关参数的初始值，通过计算PSO的适应度值来获得新的GRU超参数，经过迭代，追踪超参数局部最优解和全局最优解，最终得到全局最优超参数；3)将最优超参数构建GRU模型进行水质预测。将PSO-GRU用于8个跨境断面水质预测，并与LSTM、GRU模型进行对比，结果表明，1)PSO-GRU模型拥有较好的泛化性，能够在8个跨境断面水质预测中迁移使用，并取得较好的预测结果，达到应用要求。2)LSTM、GRU超参数的设置需要经过多次试验，且难以获得超参数的全局最优值，P...