基于双向门控循环单元的地表水氨氮预测

为提高水环境中NH4+-N的预测精度,提出了一种互补完全集合经验模式分解(CCEEMDAN)和双向门控循环单元(BiGRU)神经网络的混合预测模型(CCB).首先,通过CCEEMDAN将NH4+-N数据分解成一系列较为简单的模态成份;然后利用BiGRU神经网络对各成份进行预测,将所有分解成份的预测结果相加即可获得最终预测结果.以2017年6月～2020年2月鄱阳湖的NH4+-N数据进行模型性能验证.结果表明,利用CCB模型在1d后的NH4+-N预测中平均绝对百分比误差为3.38％,在7d后的NH4+-N预测中平均绝对百分比误差为6.82％,在15d后的NH4+-N预测中平均绝对百分比误差为9.41％,优于本文中参与比较的其他模型.CCB模型在NH4+-N预测方面具有良好的预测性能.