基于混合深度学习神经网络的水质参数实时监测预测模型比较
摘要
1.简介
2.材料和方法
2.1. 研究区域和数据描述
2.2. 带自适应噪声的互补集成经验模式分解
2.3. 卷积神经网络
2.4. 长短记忆神经网络
2.5. 混合预测模型的发展
2.6. 评估标准
3.结果和讨论
3.1. DO数据系列结果
3.2. TN数据系列的结果
4.讨论
5.结论
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
致谢
利益冲突
工具书类
姜杰。; 唐,S。; Han,D。; Fu,G。; Solomatine,D。; Zheng,Y.地表水水质监测网设计和优化综合评述。 环境。 模型。 柔和。 2020 , 132 , 104792. [ 谷歌学者 ] [ 交叉参考 ] 孙,Y。; 陈,Z。; Wu,G。; 吴琼。; 张,F。; 牛,Z。; 胡海英:中国城市污水处理厂水质特征:对资源利用和管理的启示。 J.清洁。 产品。 2016 , 131 , 1–9. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Fijani,E。; 巴泽加,R。; 德奥·R。; 西里蒂斯,E。; Skordas,K.设计并实现了一种基于两层分解方法的混合模型,该模型与极端学习机相结合,以支持水质参数的实时环境监测。 科学。 总环境。 2019 , 648 ,839–853页。 [ 谷歌学者 ] [ 交叉参考 ] Chen,K。; 陈,H。; 周,C。; 黄,Y。; 齐,X。; 沈,R。; 刘,F。; 左,M。; 邹,X。; Wang,J.使用基于大数据的不同机器学习模型对地表水水质预测性能和关键水参数识别进行比较分析。 水资源。 2020 , 171 , 115454. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 卢,H。; Ma,X.短期水质预测的基于混合决策树的机器学习模型。 化学圈 2020 , 249 ,126169。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 布科洛,M。; 福图纳,L。; 内尔克,M。; A.里佐。; Sciacca,T.制浆造纸厂腐蚀现象预测模型。 控制工程实践。 2002 , 10 , 227–237. [ 谷歌学者 ] 李,X。; Sha,J。; 李永明。; Wang,Z.-L.森林流域日径流预测混合模型的比较。 J.水力信息。 2018 , 20 , 191–205. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Mohammadi,B。; 林,N.T.T。; Pham,Q.B。; 艾哈迈德,A.N。; 沃伊特科娃,J。; 关,Y。; Abba,S。; El-Shafie,A.自适应神经模糊推理系统与混合蛙跳算法相结合,用于预测河流流量时间序列。 水文学。 科学。 J。 2020 , 65 , 1738–1751. [ 谷歌学者 ] [ 交叉参考 ] Tabbussum,R。; Dar,A.Q.人工智能范式的性能评估——用于洪水预测的人工神经网络、模糊逻辑和自适应神经模糊推理系统。 环境。 科学。 波卢特。 物件。 2021 , 1–18. [ 谷歌学者 ] [ 交叉参考 ] Raj,R.J.S。; 绍巴纳,S.J。; Pustokhina,I.V.公司。; Pustokhin,D.A。; 古普塔,D。; Shankar,K.在医疗物联网中使用深度学习模型进行基于最佳特征选择的医学图像分类。 IEEE接入 2020 , 8 , 58006–58017. [ 谷歌学者 ] [ 交叉参考 ] Jin,Y。; 温,B。; 顾,Z。; 蒋,X。; 舒,X。; 曾,Z。; Zhang,Y。; 郭,Z。; 陈,Y。; Zheng,T.深度学习型基于MXene的人工喉咙:面向声音检测和语音识别。 高级主管。 Technol公司。 2020 , 5 , 2000262. [ 谷歌学者 ] [ 交叉参考 ] 王,S。; 查,Y。; 李伟(Li,W.)。; 吴琼。; 李,X。; 牛,M。; 王,M。; 邱,X。; 李,H。; Yu,H.用于新冠肺炎诊断和预后分析的全自动深度学习系统。 欧洲复兴银行。 J。 2020 , 56 . [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Xiang,Z。; Demir,I.使用深度学习进行分布式长期小时流量预测——爱荷华州的案例研究。 环境。 模型。 柔和。 2020 , 131 , 104761. [ 谷歌学者 ] [ 交叉参考 ] 巴泽加,R。; 马萨诸塞州阿拉米。; Adamowski,J.使用混合CNN–LSTM深度学习模型进行短期水质变量预测。 斯托克。 环境。 Res.风险评估。 2020 , 34 , 415–433. [ 谷歌学者 ] [ 交叉参考 ] An,L。; 郝,Y。; Yeh,T.-C.J。; 刘,Y。; 刘伟。; Zhang,B.结合时间-频率分析方法和长-短期记忆神经网络模拟岩溶泉水流量。 J.水文学。 2020 , 589 ,125320。 [ 谷歌学者 ] [ 交叉参考 ] Ni,L。; 王,D。; 副总裁辛格。; 吴杰。; Wang,Y。; Tao,Y。; Zhang,J.通过两个基于长短期记忆的模型进行水流和降雨量预测。 J.水文学。 2020 , 583 , 124296. [ 谷歌学者 ] [ 交叉参考 ] 刘,G。; He,W。; 蔡S.珠江口东南部溶解氧的季节变化。 水 2020 , 12 , 2475. [ 谷歌学者 ] [ 交叉参考 ] 张,X。; Yi,Y。; Yang,Z.不同人类活动强度下半干旱平原盆地的氮磷截留收支。 科学。 总环境。 2020 , 703 , 134813. [ 谷歌学者 ] [ 交叉参考 ] 李,X。; 冯,J。; 韦伦,C。; Wang,Y.在监测较少的流域中,高受损河段识别和总氮负荷估计的贝叶斯方法。 环境。 科学。 波卢特。 物件。 2017 , 24 , 987–996. [ 谷歌学者 ] [ 交叉参考 ] 托雷斯,M.E。; 科洛米纳斯(Colominas),文学硕士。; 施洛特豪尔,G。; Flandrin,P.带自适应噪声的完全集合经验模式分解。 2011年IEEE声学、语音和信号处理国际会议(ICASSP)会议记录,2011年5月22日至27日,捷克共和国布拉格; 第4144-4147页。 [ 谷歌学者 ] 黄,N.E。; 沈,Z。; Long,S.R。; 吴,M.C。; Shih,H.H。; 郑琦。; 北卡罗来纳州的Yen。; 东,C.C。; Liu,H.H.非线性和非平稳时间序列分析的经验模式分解和希尔伯特谱。 程序。 R.Soc.伦敦。 序列号。 数学。 物理学。 工程科学。 1998 , 454 , 903–995. [ 谷歌学者 ] [ 交叉参考 ] 吴,Z。; Huang,N.E.集成经验模式分解:一种噪声辅助数据分析方法。 高级自适应。 数据分析。 2009 , 1 , 1–41. [ 谷歌学者 ] [ 交叉参考 ] Rahimpour,A。; Amanollahi,J。; Tzanis,C.G.基于城市环境机器学习方法的空气质量数据系列估计。 空气质量。 大气。 健康 2021 , 14 , 191–201. [ 谷歌学者 ] [ 交叉参考 ] Yeh,J.-R。; 谢赫,J.-S。; Huang,N.E.互补系综经验模式分解:一种新的噪声增强数据分析方法。 高级自适应。 数据分析。 2010 , 2 ,135–156。 [ 谷歌学者 ] [ 交叉参考 ] 哈博拉,S。; Coors,V.风预测的一维卷积神经网络结构。 能量转换。 管理。 2019 , 195 ,70–75。 [ 谷歌学者 ] [ 交叉参考 ] 王海珠。; 李国庆。; 王,G.-B。; 彭建忠。; 姜浩。; Liu,Y.-T.基于深度学习的概率风电预测集成方法。 申请。 能源 2017 , 188 , 56–70. [ 谷歌学者 ] [ 交叉参考 ] 苗,Q。; 潘,B。; 王,H。; 许,K。; Sorooshian,S.使用卷积和长短期记忆神经网络改进季风降水预测。 水 2019 , 11 , 977. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 辛顿,G.E。; 北斯利瓦斯塔瓦。; Krizhevsky,A。; Sutskever,I。; Salakhutdinov,R.R.通过防止特征检测器的联合自适应来改进神经网络。 arXiv公司 2012 ,arXiv:1207.0580。 [ 谷歌学者 ] 洛夫,S。; Szegedy,C.批处理规范化:通过减少内部协变量偏移来加速深层网络训练。 arXiv公司 2015 ,arXiv:1502.03167。 [ 谷歌学者 ] 王凯。; 齐,X。; Liu,H.基于深度学习神经网络的日间光伏功率预测模型的比较。 申请。 能源 2019 , 251 , 113315. [ 谷歌学者 ] [ 交叉参考 ] LeCun,Y。; Y.本吉奥。; Hinton,G.深度学习。 自然 2015 , 521 , 436–444. [ 谷歌学者 ] [ 交叉参考 ] 牛,H。; Xu,K。; Wang,W.基于变分模式分解和LSTM网络的混合股价指数预测模型。 申请。 因特尔。 2020 , 50 , 4296–4309. [ 谷歌学者 ] [ 交叉参考 ] Al-Musaylh,医学硕士。; 德奥,R.C。; 李毅。; Adamowski,J.F.两阶段粒子群优化支持向量回归混合模型,结合改进的经验模式分解和自适应噪声,用于多时段电力需求预测。 申请。 能源 2018 , 217 , 422–439. [ 谷歌学者 ] [ 交叉参考 ] 温,X。; 冯,Q。; 德奥,R.C。; 吴,M。; 尹,Z。; Yang,L。; Singh,V.P.两阶段极值学习机与完整的集成经验模式分解和自适应噪声算法相结合,用于多尺度径流预测问题。 J.水文学。 2019 , 570 , 167–184. [ 谷歌学者 ] [ 交叉参考 ] 莫里亚西,D.N。; 阿诺德,J.G。; Van Liew,M.W。; 宾纳,R.L。; R.D.哈梅尔。; Veith,T.L.流域模拟准确性系统量化模型评估指南。 事务处理。 ASABE公司 2007 , 50 , 885–900. [ 谷歌学者 ] [ 交叉参考 ] 于,Z。; Yang,K。; 罗,Y。; Shang,C.基于小波分析和长短期记忆网络的滇池叶绿素a浓度时空过程模拟和预测。 J.水文学。 2020 , 582 , 124488. [ 谷歌学者 ] [ 交叉参考 ] 戴,S。; 牛,D。; Li,Y.基于自适应噪声的完全集成经验模式分解和改进的灰狼优化算法优化的支持向量机的日峰值负荷预测。 能源 2018 , 11 , 163. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 温,X。; 冯,Q。; 德奥,R.C。; 吴,M。; Si,J.小波分析——中国西北部干旱内陆河流域多尺度月地下水位预测的人工神经网络连接模型。 水文学。 物件。 2017 , 48 ,1710年至1729年。 [ 谷歌学者 ] [ 交叉参考 ]