基于多元混沌时间序列PS-LSTM污染物预测模型

摘要

应用神经网络算法对环境状况进行研究是当前计算科学的热点。对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求。根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增加窥视孔的方式,提出相空间(PS)-LSTM预测模型。选取流域生态系统中重金属污染物作为预测对象,结合温度、日径流等因素共同构建多元混沌相空间,较为真实地还原出流域环境重金属含量实际状态。最后,应用PS-LSTM模型对其进行预测。实验结果表明:改进后的模型能提高类似流域复杂生态系统的预测精度。