一种基于Tent-GWO-GRU的有害藻华生长预测方法

本申请公开了一种基于Tent‑GWO‑GRU的有害藻华生长预测方法，包括：获取目标流域的历史水质数据并进行预处理；基于历史水质数据，构建门控循环单元神经网络GRU模型；基于Tent混沌映射算法，优化灰狼算法GWO；优化GRU模型参数并进行预测。本申请对指标数据进行时间延滞，充分考虑到了藻华生长演化的延后性，提高了该方法的可行性。引入Tent混沌映射算法，对GWO算法生成初始狼群的方法进行改进，使得初始狼群的分布更均匀，明显提高了算法的适应度值，更容易找到全局最优解。本申请采用Tent‑GWO优化算法，对GRU模型的超参数及网络结构进行优化，不仅提高了模型的稳定性，还取得了较高的预测精度。