水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域...水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域水质数据为样本,使用线性插值修补缺失数据和剔除的异常数据。使用灰色关联分析计算不同水质指标间的相关性,选择高相关性的水质指标以确定输入变量,并使用门控循环单元(Gated Recurrent Unit, GRU)预测不同的水质指标。将GRA-GRU的预测结果与反向传播神经网络(Back Propagation Neural Network, BPNN)、循环神经网络(Recurrent Neural Network, RNN)、长短期记忆神经网络(Long Short Term Memory, LSTM)、GRU及灰色关联分析-长短期记忆神经网络(Grey Relational Analysis-Long Short Term Memory, GRA-LSTM)进行对比分析,结果显示GRA-GRU在不同水质指标预测上具有较好的适应性,可以有效降低预测误差。其中,与其他模型相比,GRA-GRU预测的化学需氧量在均方根误差上分别降低了3.617%、0.681%、0.478%、1.505%和0.471%。展开更多
随着社会经济的快速发展,我国各类水环境问题日益突出。水质预测研究基于大样本环境监测数据,对于提前制定水环境保护对策具有重要的支撑作用。但是,目前对水质预测的阶段性研究进展及趋势的总结分析还较少。文章基于文献计量学理论,对2...随着社会经济的快速发展,我国各类水环境问题日益突出。水质预测研究基于大样本环境监测数据,对于提前制定水环境保护对策具有重要的支撑作用。但是,目前对水质预测的阶段性研究进展及趋势的总结分析还较少。文章基于文献计量学理论,对2000—2023年收录在中国知网(CNKI)中文文献数据库和WOS(web of science)核心合集文献库中的水质预测领域论文进行检索,采用VOSviewer软件对国内外相关文献进行综合分析,通过构建长时间的序列图谱,系统地梳理了该领域的研究进展与科研成果,揭示了关于水质预测领域的研究趋势。结果表明:水质预测研究是一个典型的多作者、多国家、多机构的合作领域;我国每年出版的水质预测论文数量最多,且科研成果一直处于世界领先地位,表明我国是水质预测研究领域的主导国家。通过分析关键词发现,与传统方法相比,BP神经网络以及深度学习等是近年来行之有效的水质预测方法。该研究将有助于提升我国水质预测的研究水准,为未来相关研究提供文献计量学成果参考。展开更多
文摘水质指标具有多元相关性、时序性和非线性的特点,为有效预测河流水质变化,针对水质数据存在缺失和异常的问题,提出基于灰色关联分析-门控循环单元(Grey Relational Analysis-Gated Recurrent Unit, GRA-GRU)的水质预测模型。以淮河流域水质数据为样本,使用线性插值修补缺失数据和剔除的异常数据。使用灰色关联分析计算不同水质指标间的相关性,选择高相关性的水质指标以确定输入变量,并使用门控循环单元(Gated Recurrent Unit, GRU)预测不同的水质指标。将GRA-GRU的预测结果与反向传播神经网络(Back Propagation Neural Network, BPNN)、循环神经网络(Recurrent Neural Network, RNN)、长短期记忆神经网络(Long Short Term Memory, LSTM)、GRU及灰色关联分析-长短期记忆神经网络(Grey Relational Analysis-Long Short Term Memory, GRA-LSTM)进行对比分析,结果显示GRA-GRU在不同水质指标预测上具有较好的适应性,可以有效降低预测误差。其中,与其他模型相比,GRA-GRU预测的化学需氧量在均方根误差上分别降低了3.617%、0.681%、0.478%、1.505%和0.471%。
文摘随着社会经济的快速发展,我国各类水环境问题日益突出。水质预测研究基于大样本环境监测数据,对于提前制定水环境保护对策具有重要的支撑作用。但是,目前对水质预测的阶段性研究进展及趋势的总结分析还较少。文章基于文献计量学理论,对2000—2023年收录在中国知网(CNKI)中文文献数据库和WOS(web of science)核心合集文献库中的水质预测领域论文进行检索,采用VOSviewer软件对国内外相关文献进行综合分析,通过构建长时间的序列图谱,系统地梳理了该领域的研究进展与科研成果,揭示了关于水质预测领域的研究趋势。结果表明:水质预测研究是一个典型的多作者、多国家、多机构的合作领域;我国每年出版的水质预测论文数量最多,且科研成果一直处于世界领先地位,表明我国是水质预测研究领域的主导国家。通过分析关键词发现,与传统方法相比,BP神经网络以及深度学习等是近年来行之有效的水质预测方法。该研究将有助于提升我国水质预测的研究水准,为未来相关研究提供文献计量学成果参考。
