基于小波分解的LSTM水质预测模型①

孙 铭,魏守科,2,3,王莹洁,赵金东,袁梅雪

1(烟台大学 计算机与控制工程学院,烟台 264005)

2(山东琢瑜清泉智能软件科技有限公司,烟台 264005)

3(北京迪普迅智能信息技术有限公司,北京 100089)

水是人类和其它生命体赖以生存的重要资源,由于过去工业废水和生活污水未经处理而排放到水体,导致河流湖泊水体的严重污染,从而严重破坏了水体的生态环境、生物多样性及其生态功能和服务功能[1].据相关研究,全世界只有小部分河流没有受到水污染影响[2,3],在一些发展中国家,水污染是导致疾病和死亡的主要原因之一[4],仅在中国范围内,每年因水污染导致约1.9 亿人次患病,其中6 万人死于肝癌、胃癌等疾病[5],有数据统计,自1980年以来太湖水域频繁发生藻华,导致长江三角洲地区约41 种鱼类、65 种浮游动物和16 种大型植物消失[6].因此,建立准确有效的水质预测模型,意义重大.

目前,对于水质的模拟预测方法主要有灰色动态模型群,混沌理论,小波神经网络和BP 人工神经网络等.如：李如忠等[7]利用灰色系统理论构建了一个由6 个灰色模型组成的灰色动态模型群,并且利用该模型对水体中的氨氮浓度进行预测,最终结果取这6 个GM 模型的平均值,消除了GM 模型本身的不稳定性,取得了不错的预测效果；徐敏等[8]利用混沌理论和相空间重构思想对于水体中溶氧量进行了分析,结果表明水质具有混沌性,看似水质变化是无规律的,但其在短期内具有一定的内在规律可以探寻和预测,利用混沌相空间模型对水质进行了短期预测,也取得了一定的成果；……