基于CNN-LSTM的工业出水水质预测模型

分享到

【作者】杨潞霞，王梦冉，林兴亮，付一政，王智瑜
【刊名】净水技术
【作者单位】¹太原师范学院计算机科学与技术学院；²中北大学材料科学与工程学院；³山西省煤矿矿井水处理技术创新中心
【ISSN】1009-0177
【关键词】卷积神经网络长短期记忆网络工业出水水质预测滑动窗口方法预处理归一化
【摘要】工业废水含有多种污染物，提前预测工业废水水质从而快速对其进行相应处理具有重要意义。为此，研究提出了一种新的卷积神经网络和长短期记忆网络融合的工业废水水质污染物指标预测模型。为了更好地捕捉工业废水数据的时序性和动态性，模型设置了多个滑动窗口。使用CNN算法将时间序列数据进行高维特征提取，利用LSTM模型学习时间序列数据的时序特征，建立CNN-LSTM工业废水预测模型，并对废水水质中的化学需氧量、氨氮、总磷3项指标进行预测分析。结果表明，与CNN和LSTM两个基准模型相比，CNN-LSTM预测模型的...
【文献类型】期刊