基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究.pdf

中国农村水利水电

86irrigate.whu.edu.cnChinaRuralWaterandHydropower

文章编号：1007-2284（2024）03-0086-10水环境与水生态

基于CEEMDAN-VMD-TCN-lightGBM模型

的水质预测研究

项新建，张颖超，许宏辉，厉阳，王世乾，郑永平

（浙江科技学院自动化与电气工程学院，浙江杭州310023）

摘要：针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导

致单一分解难以全面捕捉信号非线性特征的问题，提出了一种基于二次分解的水质预测模型。该模型采用完全自适应

噪声集合经验模态分解（CEEMDAN）对原始数据进行分解，再利用变分模态分解（VMD）对熵值最高的模态分量进行二次

分解，最终将处理后的时间序列输入到TCN-lightGBM多特征预测模型中。同时，采用麻雀算法（SSA）对预测模型进行优

2

化。以山东省玉符河水质为例，本模型的均方根误差（RMSE）是0.1053，平均绝对误差（MAE）是0.0815，决定系数（R）是

2

0.9471，与GRU、LSTM、LightGBM、TCN等当下较为流行的模型的预测指标进行比较。结果显示，在R上本模型提升了

53.04%、70.41%、66.07%、65.20%等，在RMSE上减少了62.76%、65.50%、64.93%、64.80%等，在MAE上降低了62.76%、

66.24%、63.80%、65.24%等。由此可知，基于CEEMDAN-VMD-TCN-lightGBM的模型具有更好的预测性能、泛化能力和

捕捉信号非线性特征的能力。

关键词：二次分解；TCN；lightGBM；多特征预测；水质预测；麻雀算法

中图分类号：TV213.4；X524文献标识码：ADOI：10.12396/znsd.231322

项新建，张颖超，许宏辉，等.基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究［J］.中国农村水利水电，2024（3）：86-95.DOI：

10.12396/znsd.231322.

XIANGXJ，ZHANGYC，XUHH，etal.ResearchonwaterqualitypredictionbasedonCEEMDAN-VMD-TCN-lightGBMModel［J］.

ChinaRuralWaterandHydropower，2024（3）：86-95.DOI：10.12396/znsd.231322.

ResearchonWaterQualityPredictionBasedonCEEMDAN-VMD-TCN-lightGBMModel

XIANGXin-jian，ZHANGYing