《表1 各水质参数预测模型网络参数》
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。
图表编号 | XD00129450400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 秦文虎、陈溪莹 |
绘制单位 | 东南大学仪器科学与工程学院、东南大学仪器科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |