一种结合双重信号分解与深度学习的河流水质预测方法

本发明公开了一种结合双重信号分解与深度学习的河流水质预测方法，包括以下步骤：步骤S1：通过随机森林特征选择(RF)进行特征选择，提取与水质预测相关的水质数据；步骤S2：在水质数据的预处理中，采用时变滤波器经验模态分解(TVF‑EMD)对水质数据进行初步分解，分解产生的内模函数(IMF)分量包含大量复杂信号，采用麻雀搜索算法‑变分模态分解(SSA‑VMD)对复杂的内模函数(IMF)分量进行二次分解；步骤S3：利用麻雀算法优化卷积长短期记忆神经网络模型(SSA‑CNN‑LSTM)对步骤S2处理后的数据进行预测。本发明构建的预测模型在水质预测中表现出色，尤其在短期预测中，其对水质指标的预测精度，显著优于单次分解模型，能够精准捕捉水质指标的短期动态变化。