相关实验视频
Updated: Jan 15, 2026

Continuous Hydrologic and Water Quality Monitoring of Vernal Ponds
Published on: November 13, 2017
走向智能水源监测:以物联网为驱动的LSTM建模,用于多步预测河流盐度动态
Sait Mutlu Karahan1, Wouter Vandenbruwaene2, Janelcy Alferes Castano2
1Department of Data Analysis and Mathematical Modelling, Ghent University, Coupure Links 653, 9000, Gent, Belgium; Vlaamse Instelling voor Technologisch Onderzoek (VITO), Boeretang 200, Mol, 2400, Belgium.
使用长短期记忆 (LSTM) 网络预测水质表明,直接,MIMO和DirMO策略在预测河流系统中的电导率 (盐度) 中表现出色. 递归策略在长期准确性方面存在困难.
科学领域:
- 环境科学 环境科学
- 水资源管理 水资源管理
- 数据科学数据科学数据科学
背景情况:
- 有效的水资源管理需要对水质参数进行准确的预测,特别是在受到盐水入侵影响的动态河流系统中.
- 电导率 (EC) 是盐度的一个关键指标,但其时间和空间的可变性需要强大的预测模型.
- 沿海河流系统面临着季节性盐度波动,影响水质和管理策略.
研究的目的:
- 评估和比较使用LSTM网络进行电导率 (EC) 预测的五种多步预测策略 (直接,递归,DirREC,MIMO,DirMO).
- 通过使用高频物联网传感器数据,评估短期 (4小时),中期 (24小时) 和长期 (48小时) 的预测性能.
- 将LSTM模型性能与Informer,DLinear和PatchTST等最先进的模型进行比较.
主要方法:
- 利用长短期内存 (LSTM) 网络进行电导率 (EC) 的多步预测.
- 应用了五种预测策略:直接,递归,DirREC,MIMO和DirMO,并进行了广泛的超参数调整.
- 整合了时间和空间特征,并与使用MSE,PBIAS和SMAPE指标的Informer,DLinear和PatchTST模型进行了性能比较.
主要成果:
- 直接,MIMO和DirMO策略在六个河流传感器位置 konsekvently outperformed 其他方法.
- 直接策略实现了对称平均绝对百分比误差 (SMAPE) 值,在所有时间范围内从1.3%到9.1%.
- 递归和DirREC策略显示出显著的错误积累,特别是在长期预测中,而上游位置通常表现更好.
结论:
- 预测技术,特别是使用LSTM的直接,MIMO和DirMO策略,可以可靠地预测河流系统的盐度动态.
- 预测策略的选择至关重要,取决于水质管理所需的准确性和计算效率.
- 准确的EC预测有助于管理盐水入侵,并优化沿海地区的水资源分配.
相关概念视频
Steps in Outbreak Investigation
Mathematical Modeling: Problem Solving
Multi-input and Multi-variable systems
In the absence of...
Design Example: Creating a Hydraulic Model of a Dam Spillway
Application of Linearization and Approximation
Growth Models with Integration: Problem Solving