基于CEEMDAN 的人工蜂群算法优化LSTM深度网络的西江溶解氧预测

纪广月

(广东工商职业技术大学通识教育中心，肇庆 526020)

1 引言

目前，水资源短缺和水资源污染已成为制约我国经济和社会发展的重要影响因素，因此为了提高水资源的利用效率、减少水资源的污染，对水资源进行综合管理是当前亟需解决的问题[1].准确有效可靠地评价水质以及预测水质的变化趋势对管理和维护水质状况具有重要意义.影响水质的主要因素包括pH 值、化学需氧量、氨氮含量、高锰酸盐含量、水质溶解氧(Dissolved Oxygen, DO)含量等，其中水质溶解氧含量是评价水体水质和水体自净能力的重要评价指标.DO 含量容易受到温度、雨量、水生生物、风速、风向以及人类活动等诸多因素的影响，具有很强的非线性、非平稳性以及大时滞性等特点[2].因此，研究水体溶解氧预测方法，对掌握溶解氧的变化趋势、为水质监测部门管理和维护水体水质提供科学决策的依据.

为了提高水质溶解氧预测的精度，国内外学者对溶解氧预测方法进行了大量研究，研究方法主要有时间序列法、神经网络法、支持向量机、极限学习机和经验模态分解组合模型等，取得了一定效果.文献[3]提出了一种基于季节性ARIMA 模型的水库溶解氧预测模型，预测结果与实际数据较为符合，可以描述水库溶解氧的变化趋势，但是预测精度有待进一步提高.文献[4]针对溶解氧非线性、难以准确跟踪预测的问题，提出了一种基于Levenberg-Marquardt 神经网络的溶解氧预测控制模型，研究结果表明该算法可……