%0 Journal Article
%A 兰小机
%A 贺永兰
%A 武帅文
%T 基于RF-BiLSTM模型的河流水质预测
%D 2024
%R 10.11988/ckyyb.20230244
%J 
院报
%P 57-63
%V 41
%N 7
%X 水环境中过量的氮、磷和高锰酸盐会对流域造成严重污染,准确预测这三类指标的含量对流域污染治理具有重要意义。然而,现有的模型预测精度低,输入因子的选择缺乏数理依据。基于此,以邕江为研究区域,提出一种RF-BiLSTM的混合网络模型。该模型具有利用RF算法提取水质指标最优特征和利用BiLSTM模型提取输入数据的时间特征的优势,采用先降维后预测的方式对TN、TP和 COD<sub>Mn</sub>进行预测,并将深度学习中的CNN、LSTM、BiLSTM和RF-LSTM作为基准模型与本研究所提模型作对比研究。研究结果表明,本研究模型预测TN、TP和COD<sub>Mn</sub>的平均绝对百分比误差(MAPE)分别达到了4.330%、6.781%和7.384%,均低于其他基准模型,预测结果具有较高的准确性和实用性,可为水环境的污染治理提供有效的技术支持。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20230244