基于VMD和GA-BiLSTM组合模型的河流水质预测

来源：环境工程技术学报杂志2025年第4期北京时间：

作者：张海霞, 李瑞, 王霞, 赵泽霏, 康彦付, 孙岩

摘要：溶解氧（DO）是河流水质监测的关键指标之一，为了精准预测河流水体中DO浓度，融合变分模态分解（VMD）、遗传算法（GA）和双向长短期记忆神经网络（BiLSTM），构建了VMD-GA-BiLSTM深度学习组合模型，对邢台市艾辛庄断面2020—2023年的DO浓度数据进行了训练与测试，并与多个经典的深度学习模型（BiLSTM、GA-BiLSTM、EMD-GA-BiLSTM）预测结果进行对比。结果表明：VMD-GA-BiLSTM模型在测试集上的均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R2）分别为0.149、0.135和0.974，相较于BiLSTM、GA-BiLSTM、EMD-GA-BiLSTM模型，RMSE分别降低0.464、0.307、0.290，MAE分别降低0.413、0.173、0.239，R2分别提升了0.216、0.133、0.088，表明构建的模型预测精度最高。将构建模型应用于邢台市后西吴桥断面对pH、DO和氨氮3项水质指标进行验证，与其他经典模型相比，VMD-GA-BiLSTM模型的RMSE、MAE最小且R²最大，可见其在水质时间序列数据预测方面具高度的通用性和稳定性。VMD-GA-BiLSTM模型能够准确预测DO浓度以及其他水质指标浓度，为水资源的可持续利用和水环境保护提供科学依据。

关键词：河流, 水质预测, 溶解氧, 变分模态分解, 遗传算法, 双向长短期记忆神经网络（BiLSTM）