一种改进的变分模态分解与BiGRU融合的水质预测方法技术

本发明专利技术公开了一种改进的变分模态分解与BiGRU融合的水质预测方法，包括：收集水质历史数据，对原数据进行数据预处理，填补缺失值，剔除异常值，最后数据进行归一化处理，构建水质数据集；利用麻雀搜索算法对变分模态分解的参数进行寻优；改进后的变分模态分解算法对水质数据进行分解，分解为若干个模态分量，以降低数据复杂度；将每个模态分量输出到BiGRU预测模型中训练，并将每个模态预测结果进行叠加，得到最终预测结果。本发明专利技术对水质数据进行分解，能够很好解决水质数据波动性大、非线性的问题，提高预测准确性，为水质预测提供一种新的方法。的方法。的方法。

【技术实现步骤摘要】
一种改进的变分模态分解与BiGRU融合的水质预测方法


[0001]本专利技术涉及水质预测
，具体涉及一种改进的变分模态分解与BiGRU融合的水质预测方法。

技术介绍

[0002]水不仅是人类生存不可缺少的自然资源，也是国家经济发展的重要战略资源。近几年，随着工业化和城市进程化速度的加快，水污染事件经常发生，水资源短缺问题日益严重，水质预测作为水资源管理的前置环节，精确预测水质指标能及时掌握水质变化趋势，避免污染事件发生。水质数据是波动性大、非线性的时间序列，并且含有大量噪声信号，给水质预测带来难度，将原始数据分解成几个简单序列是一种分析数据的重要手段，常用分解方法有小波变换、经验模态分解(EMD)、集成经验模式分解(EEMD)等。VMD作为一种新的信号分解方法，能够克服EMD和EEMD存在问题，但是VMD分解层数和惩罚因子需要人为选取，选择的大小会影响VMD的分解效果。目前，水质预测应用比较多的模型有灰色系统理论模型、时间序列模型以及神经网络模型等，GRU网络作为LSTM的变体，同样能解决梯度下降问题，相比较LSTM结构更加简单，参数更少本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的变分模态分解与BiGRU融合的水质预测方法，其特征在于，包括以下步骤：(1)收集水质历史数据，对原数据进行数据预处理，填补缺失值，剔除异常值，最后数据进行归一化处理，构建水质数据；(2)利用麻雀搜索算法对变分模态分解的参数进行寻优，使VMD分解算法达到最佳分解效果；(3)改进后的变分模态分解对水质数据进行分解，分解为若干个模态分量，以降低数据复杂度；(4)将每个模态分量输出到BiGRU预测模型中，并将每个模态预测结果进行叠加，得到最终预测结果。2.根据权利要求1所述的一种改进的变分模态分解与BiGRU融合的水质预测方法，其特征在于，数据预处理具体包括：采用向前插值方式填充缺失值，采用孤立森林算法识别异常值，最后对数据归一化处理。3.根据权利要求1所述的一种改进的变分模态分解与BiGRU融合的水质预测方法，其特征在于，利用麻雀搜索算法对变分模态分解的两个参数分解个数k和惩罚因子α进行寻优具体步骤如下：步骤1：参数初始化，根据时间序列大小，设置k和α合适范围；步骤2：麻雀种群初始化，设置优化维数、迭代次数、预警值、种群大小等参数；步骤3：选取模糊熵作为适应度函数，计算各模态分量模糊熵值，经过多次迭代，当模糊熵值最小时，此时麻雀种群位置为最优位置；步骤4：确定k和α最优值。4.根据权利要求1所述的一种改进的变分模态分解与BiGRU融合的水质预测方法，其特征在于，VMD将原数据f分解为k个中心频率为ω
k
的有限带宽的模态分量u
k
，具体步骤如下：(1)构建变分问题：首先利用希尔伯特变换得到u
k
的解析信号，计算得到单边谱，再将每个模态解析信号与中心频率混合，调制到相应的基带，然后计算上述信号梯...

【专利技术属性】
技术研发人员：焦建格，马倩倩，黄森军，赵丽琴，刘方林，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：