基于分解-预测-灰狼优化集成模型的水质预测研究

• Published in: 中国农村水利水电 no. 11; pp. 95 - 102
• Main Authors: 李明, 赵良伟, 蒋一波, 刘东岳
• Format: Journal Article
• Language: Chinese
• Published: 河海大学项目管理信息化研究所,江苏 南京 211100%江苏淮阴水利建设有限公司,江苏 淮安 223005 2024; 河海大学商学院,江苏 南京 211100
• Subjects: 集成策略; the lower reaches of the Yangtze River; 集合经验模态分解; EEMD; 长江下游; water quality predictions; grey wolf optimizer; integration strategy; 灰狼优化; 水质预测
• ISSN: 1007-2284
• DOI: 10.12396/znsd.240552

X832; 准确的水质预报及关键因素识别是流域水环境控制及水资源保护的重要依据.针对地表水水质评价指标的多样性以及原始数据的非线性、非平稳的特征,在改善传统的分解-预测-集成时间序列预测框架之上,提出了一种基于集合经验模态分解(EEMD)和灰狼优化集成策略(GWO)数据预测模型.该模型采用集合经验模态分解方法对数据进行分解,得到不同频率的分解分量,再分别运用Elman神经网络、长短记忆神经网络(LSTM)和支持向量回归(SVR)作为基学习器进行预测,然后利用灰狼动态优化集成策略对预测结果进行集成,最后,以长江下游水质断面的数据对模型有效性进行评估,并与单一预测模型和平均集成策略的预测模型进行对比.研究结果表明,该模型在误差评价指标和DM检验上表现优异,相较于其他模型更具优势,其中,对于溶解氧的预测,相较于平均集成策略的预测模型,通过灰狼优化集成模型的平均绝对误差(MAE)、均方根误差(RMSE)以及Theil不等系数(TIC)分别降低了16.29%、13.17%、13.24%,对于最终水质等级的预测正确率为98.6%,证明该模型能够准确预测水质等级并识别关键影响因素,进而为水环境污染治理提供科学依据.