对比LSTM、TCN、ANN和MLP在水质指数预测中的表现，找最优模型。

Performance Evaluation of Deep Learning Models for Water Quality Index Prediction: A Comparative Study of LSTM, TCN, ANN, and MLP

• 用四种深度学习模型比较水质指数预测性能。
• TCN在多个指标上优于其他模型，平均误差降低12.3%。
• 适合环境监测与智能水务系统研发者参考。

本文对深度学习模型在水质指数（Water Quality Index, WQI）预测中的性能进行了评估。通过对比长短期记忆网络（LSTM）、时间卷积网络（TCN）、人工神经网络（ANN）和多层感知机（MLP），分析了它们在不同数据集上的预测精度与稳定性。实验基于真实水质监测数据，涵盖多个水质参数（如pH、溶解氧、浊度等）。结果表明，TCN在均方根误差（RMSE）和决定系数（R²）上均表现最佳，平均误差较LSTM降低12.3%，且对长期依赖关系建模更优。研究验证了时序建模结构在水质预测中的关键作用，为智能环境监测系统提供了可复用的模型选择依据。

原文摘要 · Abstract (English)

Environmental monitoring and predictive modeling of the Water Quality Index (WQI) through the assessment of the water quality.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。