进展！浙江大学朱亮发表了2024年第10篇SCI
论论资讯 ｜ 2024-04-29 ｜
27热度
Journal of Environmental Management
Explore content
About the journal
Publish with us
Adaptive prediction for effluent quality of wastewater treatment plant: Improvement with a dual-stage attention-based LSTM network
An Tong; Feng Kuanliang; Cheng Peijin; Li Ruojia; Zhao Zihao; Xu Xiangyang; Zhu Liang
Published：2024-04-26
DOI：10.1016/j.jenvman.2024.120887
研究背景
在当今社会，废水处理是一个备受关注的话题。但是，目前在废水处理领域存在一个问题，即如何准确预测废水处理厂的排放质量，以提前发出异常警报并调整前馈控制参数。
研究内容
最近一篇发表在《环境管理杂志》上的论文提出了一种名为“DA-LSTM”的双阶段注意力长短期记忆网络，用于改善废水排放质量的准确预测。该研究发现，输入注意力（IA）和时间注意力（TA）显著提高了LSTM的预测性能。特别是，IA能够自适应调整特征权重，增强对输入噪声的鲁棒性，R<sup>2</sup>提高了13.18%。为了提高其长期记忆能力，TA用于将记忆跨度从96小时增加到168小时。与单一LSTM模型相比，DA-LSTM模型在COD、TP和TN的预测准确性上分别提高了5.10%、2.11%和14.47%。此外，DA-LSTM在新情景下展现出优秀的泛化性能，COD、TP和TN的R<sup>2</sup>值分别增加了22.67%、20.06%和17.14%，而MAPE值分别降低了56.46%、63.08%和42.79%。总的来说，DA-LSTM模型由于其特征自适应加权和长期记忆聚焦的优势，展现出了出色的预测性能和泛化能力。
研究意义
这项研究的创新点在于提出了DA-LSTM模型，该模型具有优秀的预测性能和泛化能力，有助于实现对异常操作条件的高效早期预警和及时控制参数管理，对废水处理领域具有前瞻性意义。
希望这篇简明扼要的文章能帮助你更好地理解这项研究的内容和意义。
学术热榜
查看全部
相关资讯
换一批