基于WT-CNN-LSTM-HHO的水质预测模型研究.pdf
文本预览下载声明
摘要
准确的水质预测有助于掌握水质变化规律，对水资源保护具有重要意义。如何
建立预测精度更高、泛化能力更强的水质预测模型，是当下研究的重要课题。河流
水质数据是随时间呈现非线性变化的时序数据，现有研究大多忽视了水质数据的复
杂性，仅采用单一模型预测水质，所构建的模型预测精度较低。本文提出
WT-CNN-LSTM组合模型，考虑水质监测点空间关系，并用哈里斯鹰优化算法进行
参数优化，主要工作内容如下：
（1）利用小波变换对数据进行降噪处理。分别利用不同的小波基函数对数据进
行分解与重构，
显示全部