来源：期刊VIP网 时间：
作者：李顺勇;张睿轩;谭红叶;
单位：山西大学数学科学学院;山西大学计算机与信息技术学院;
摘要：我国水资源现状不容乐观，提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势，水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向，没有考虑上游监测点水质对下游水质的影响；同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数，但该优化算法仍需设置较多超参数，而参数选取不当容易使模型陷入局部最优。为此，建立了时空水质预测模型（WT-CNN-LSTM-HHO），利用哈里斯鹰优化算法（HHO），基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示，本文所提出的模型对水质预测性能有明显提升，可以实现设置较少超参数而达到较高的水质预测精度。
关键词：时空水质预测;;哈里斯鹰优化算法;;LSTM神经网络;;时间序列;;CNN-LSTM;;小波降噪
基金资助：国家自然科学基金项目（82274360）;国家自然科学基金项目（61976128）;; 2022年度山西省研究生教育教学改革课题（2022YJJG010）
