一种基于IGWO-LSTM的河流水质预测方法

本发明提供一种基于IGWO‑LSTM的河流水质预测方法。该方法包括：提取监测水质指标数据；基于预处理后的水质数据进行特征选取以得到水质特征数据；生成河流水质预测的数据集；将该数据集划分为训练集、验证集和测试集；对构建的LSTM模型进行预训练；在灰狼种群初始化过程中引入混合混沌序列Tent‑Logistic；根据生成的适应度函数划分灰狼个体，再通过灰狼个体进行寻优搜索，在搜索迭代过程中引入非线性控制参数；在灰狼个体的搜索迭代过程中引入基于适应度函数的动态权重更新策略；构建IGWO‑LSTM模型；将训练集输入IGWO‑LSTM模型进行迭代训练；将验证集输入迭代训练后的IGWO‑LSTM模型进行优化；将测试集输入最终优化后的模型，得到河流水质的预测结果。本发明能更好地捕捉时间序列数据中的长期依赖关系和周期性变化，还能够保留历史信息并对未来进行更准确地河流水质预测。