基于粒子群优化的GRU广东省跨境断面水质预测模型研究 |
| |
引用本文: | 鲁言波,陈湛峰,李晓芳.基于粒子群优化的GRU广东省跨境断面水质预测模型研究[J].生态环境学报,2023(9):1673-1681. |
| |
作者姓名: | 鲁言波 陈湛峰 李晓芳 |
| |
作者单位: | 广东省生态环境监测中心 |
| |
基金项目: | 广东省重点领域研发计划项目(2020B1111350001); |
| |
摘 要: | 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...
|
关 键 词: | 粒子群优化 LSTM模型 GRU模型 省界断面 水质预测 |
|