基于循环神经网络的水质参数多变量预测模型
机器学习
2020-03-26 v1 机器学习
摘要
全球水资源退化是一个备受关注的问题，尤其关乎人类生存。对现有水资源进行有效监测与管理是实现并维持最优水质所必需的。水资源质量的预测将有助于及时识别可能的问题区域，从而提高水资源管理的效率。本研究的目的是通过应用专门的循环神经网络（RNN）、长短期记忆（LSTM）以及使用多年历史水质数据，基于水质参数开发水质预测模型。我们开发了多变量单步和多步LSTM模型，使用修正线性单元（ReLU）激活函数和均方根传播（RMSprop）优化器。单步模型达到0.01 mg/L的误差，而多步模型实现了0.227 mg/L的均方根误差（RMSE）。
引用
@article{arxiv.2003.11492,
title = {A multivariate water quality parameter prediction model using recurrent neural network},
author = {Dhruti Dheda and Ling Cheng},
journal= {arXiv preprint arXiv:2003.11492},
year = {2020}
}
备注
7 pages, 5 figures, 2 tables, submitted to the FUSION 2020 conference for review