《表1 各水质参数预测模型网络参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于长短时记忆网络的水质预测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于循环神经网络从简的设计原则，本文的LSTM网络结构由一层输入层、一层隐藏层、一层输出层组成，选择平均绝对误差（MRE）作为损失函数，使用Adam优化算法使模型更快收敛。输入样本与预测目标尺寸设计上，设定短期预测模型的滑动窗口宽度M=20，N=4，即用前10 h的水质数据预测后2 h的待测水质参数变化；长期预测模型的滑动窗口宽度M=20，N=3，即用前20 d水质数据预测未来3 d待测水质参数变化，各个水质参数预测模型网络参数见表1。