基于PSO-LSTM的垂直湖泊剖面溶解氧质量浓度预测

• 作者: 周夕雨 江西理工大学土木与测绘工程学院
• 来源期刊: 科技与创新
• 学科: 地球科学
• 关键词: 溶解氧 PSO-LSTM 多模型对比 机器学习
• 年，卷（期）: 2024,（6）
• 页码范围: 132-133,136
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.06.038

摘要

溶解氧（Dissolved Oxygen,DO）是水体中一个至关重要的环境指标，对水生生物的生存和发展具有重要的影响。提高预测溶解氧的精确性可以在管理水质污染方面发挥预警作用，及时发现潜在的污染事件，并采取预防措施将影响降到最低。提出了一种粒子群算法（Particle Swarm Optimization,PSO）优化的长短期记忆（Long Short-Term Memory,LSTM）模型，简称“PSO-LSTM”，并采用该方法来预测美国德克萨斯州北部伊格尔山湖（Eagle Mountain Lake,EML）的湖泊溶解氧的时空变化。实验结果表明，与传统长短期记忆模型方法相比，PSO-LSTM预测效果更好。