K-Similarity降噪的LSTM神经网络水质多因子预测模型

• 作者: 丁成富 刘晶晶 庄红 程晓宁 铁治欣
• 来源期刊: 计算机系统应用
• 关键词: 水质预测 长短期记忆(LSTM) 多因子预测 K-Similarity降噪
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 研究开发
• 页码范围: 226-232
• 页数: 7页
• 字数: 4420字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006756

摘要

针对水质预测问题,以地表水水质监测因子作为研究对象,提出了一种基于长短期记忆(LSTM)神经网络的水质多因子预测模型,同时利用提出的K-Similarity降噪法对模型的输入数据进行降噪,提高模型预测性能.通过与BP神经网络、RNN和传统的LSTM神经网络预测模型进行对比实验,证明了所提出的方法均方误差最小,预测结果更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	铁治欣	浙江理工大学信息学院	30	84	5.0	7.0
2	庄红	浙江理工大学信息学院	19	108	5.0	10.0
3	程晓宁	浙江理工大学信息学院	2	2	1.0	1.0
4	刘晶晶	浙江理工大学信息学院	3	13	2.0	3.0