文章摘要:为了更好的预测水体氨氮(NH₃-N)的变化规律，本文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）神经网络的混合水质预测方法（CCB）.通过CCEEMDAN将水质NH₃-N原始数据分解成一系列模态分量，以降低其复杂度;然后利用BiGRU神经网络对各分量进行预测.以2017年6月～2020年2月鄱阳湖的氨氮(NH₃-N)数据进行模型性能验证.在数值实验中所提出的CCB模型，在1天后的NH₃-N预测中平均绝对百分比误差为3.38%，在7天后的NH₃-N预测中平均绝对百分比误差为6.82%，在15天后的NH₃-N预测中平均绝对百分比误差为9.41%，并且优于本文中参与比较的所有模型.该结果证明了CCB模型在氨氮预测方面具有良好的预测性能.

文章关键词:

项目基金: