胡衍坤，王 宁，刘 枢，姜秋俚，张 楠

1(中国科学院大学，北京 100049)

2(中国科学院 沈阳计算技术研究所，沈阳 110168)

3(辽宁省生态环境监测中心，沈阳 110161)

4(阜新市生态环境保护服务中心，辽宁 阜新 123000)

1 引 言

河流为人类提供了赖以生存的水资源以及水产资源.工业化进程的不断加快，导致河流水环境受到严重破坏.由于河流水质变化与气候环境、季节更替以及人类活动密切相关，因此河流水质变化呈现出渐变性，非线性，和不确定性等特点[1].水质预测能够帮助我们更好地了解河流水质变化，从而更好的保护河流水资源.近年来，国内外很多专家学者已针对水质预测做了大量的研究，并取得了较好的成果.传统的水质预测模型主要包括时间序列模型、灰色系统理论模型、回归分析模型以及神经网络模型等.谢建辉等人[2]将ARIMA模型应用到对河流水质主要监测指标化学需氧量和氨氮的预测分析上，较为准确的反映了河流水质的变化趋势.赵林等人[3]使用BP神经网络模型对桃林口水库出库站7项水质指标进行预测，效果良好.此外，随着深度学习以及人工智能的快速发展，深度学习模型也越来越多的应用到水质预测研究中.涂吉昌等人[4]应用基于门控型循环神经网络(GRU)的水质预测模型进行水质预测，显著提高了水质预测精度.除单一模型外，组合模型也被应用到水质预测的研究.肖荣平等人[5]使用多算法组合的河流水质预测方法进行水质预测，结果表明，组……