基于特征工程和NGO-LSTM的水质预测模型研究OA北大核心CSTPCD
由于水质数据特征复杂、关联度参差不齐而导致溶解氧浓度预测难度较大,为提高水质溶解氧浓度预测的准确性,提出了一种基于特征工程和北方苍鹰优化算法的长短期记忆网络(Feature Engineering-Northern Goshawk Optimization-Long Short Term Memory,FE-NGO-LSTM)混合模型。首先对水质数据集进行缺失值补齐、特征筛选与特征多项式构造,然后基于NGO-LSTM模型优化模型参数,提升预测性能…查看全部>>
虞佳颖;肖姚
浙江同济科技职业学院水利工程学院,浙江杭州311231重庆大学航空航天学院,重庆400044
水利科学
水质预测溶解氧特征工程深度学习北方苍鹰优化算法耦合模型苕溪流域太湖流域
《人民长江》 2024 (10)
P.86-93,8
国家自然科学基金项目(51408505)浙江省水利厅科技项目(RC1954)浙江省高校基本科研业务费项目(FRF20QN003)。
评论