基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对5个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0％,17.8％,比LSTM模型降低16.8％,17.9％.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9％,4.4％.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9％.