三种水质动态预测模型在米山水库的应用与结果对比
黄林显1
张明芳2
钱永3
邢学睿4
邢立亭1
韩忠5
1.济南大学 水利与环境学院,济南 2500222.威海市水文中心,山东 威海 2642093.中国地质科学院水文地质环境地质研究所,石家庄 050061;河北省/地调局地下水污染机理与修复重点实验室,石家庄 0500614.山东正元地质资源勘查有限责任公司,济南 2501015.山东省第六地质矿产勘查院,山东威海 264209
摘要：[目的]分析不同水质预测模型的预测精度,探寻最优的水库水质预测方法.[方法]分别构建了季节性差分自回归滑动平均模型(SARIMA)、霍尔特-温特(Holt-Winters)模型和长短时记忆(LSTM)神经网络模型,利用米山水库2012-2018年的月平均电导率观测数据对模型进行训练,利用2019年月电导率实测数据对模型进行验证,考察3种预测模型的准确性和稳定性.[结果]SARIMA模型和Holt-Winters模型仅能考察水质数据的时序演化趋势,预测精度较低;相比之下,LSTM神经网络模型能同时考察水质数据的时序演化趋势及不同时刻之间的前后依赖关系,具有较强的非线性映射能力,预测精度最高.[结论]LSTM神经网络预测模型仅在电导率值突变处误差相对较大,但整体预测效果较为理想,因此在水质预测中更加具有推广价值.
关键词：时间序列模型LSTM模型电导率水质预测米山水库
分类号：P641.2(水文地质学与工程地质学)
资助基金：国家自然科学基金(42272288)山东省高校院所创新团队项目(2021GXRC070)河北省/地调局地下水污染机理与修复重点实验室开发基金项目(SK202103KF01)
论文发表日期：2023-11-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：5( 140-144 )
英文信息