基于改进FHO的双循环神经网络的DO浓度预测方法

本发明公开了基于改进FHO的双循环神经网络的DO浓度预测方法，包括如下步骤：收集水体多维度数据并进行预处理；采用改进变分模态分解将预处理后的水体多维度数据分解为本征模态函数；构建双循环神经网络；通过优化算法对双循环神经网络的超参数寻优，得到最优双循环神经网络，将分解后的本征模态函数输入最优双循环神经网络，输出预测结果；本发明定义了一个新的联合门FUGate，融合LSTM的遗忘门与GRU的更新门，在前向传播过程中，利用其更新隐藏状态和细胞状态，实现更高效的信息流控制；通过结合VMD‑ADMM分解、LSTM、GRU、自注意力机制等技术构建双循环神经网络，显著提高了对复杂时序数据的建模能力。