科研喜报｜热烈祝贺我公司总经理韩洁联合西安石油大学等多家单位专家团队完成的地下水水质多步预测研究新成果发表于RSC具有影响力期刊

热烈祝贺我公司韩洁，联合西安石油大学、西北大学、西安文理学院、中国石油天然气股份有限公司长庆油田分公司等多家单位专业团队共同完成围绕地下水水质熵权水质指数多步长预测开展研究的重磅学术论文，正式在线发表于英国皇 家化学会（RSC）旗下 SCI 期刊《Environmental Science: Water Research & Technology》。

本次研究聚焦西北地下水水质时序预测行业痛点，构建全新 GFP‑Informer 深度学习预测框架，是公司深耕水环境智能化领域、产学研协同创新的标志性成果。

《以上为论文相关截图》

论文聚焦

☑地下水是我国西北干旱缺水地区农业灌溉与城镇供水的核心水源，受人类开发、水文地质条件共同作用，地下水水质存在复杂非线性变化，兼具短期波动与长期演变特征。

《以上为论文相关截图》

核心研究亮点

✅亮点 1：多ρ交叉验证灰色关联筛选核心水化学指标

采用多分辨系数ρ交叉验证的灰色关联分析方法，确定最优分辨系数ρ=0.35，筛选得到 pH、OC、TDS、DO、NH₃‑N、TC、NO₃⁻、TH 共 8 项核心水质指标，剔除冗余输入变量，降低模型噪声与过拟合风险。

《以上为论文相关截图》

✅亮点 2：构建 FECAM 频率增强通道注意力，实现时频联合学习

在 Informer 编码器‑解码器之间嵌入频率增强多特征通道注意力机制（FECAM），借助离散余弦变换 DCT 挖掘频域特征，弥补传统时序模型仅依赖时域信息的短板，同时捕捉地下水水质长期演变趋势与短期突变扰动。

✅亮点 4：长步长预测性能优异，具备良好跨点位泛化能力

70 步长预测条件下，GFP‑Informer 取得Eₘₐₑ=0.926，RMSE=1.21，R²=0.975；对比 iTransformer、FEDformer、Transformer、LSTM、GRU，Eₘₐₑ降低 33.4%‑58.8%。独立监测井外部滚动验证 70 步预测 R² 可达 0.776，证明模型具备可迁移的工程应用潜力。

结语

本研究构建的 GFP‑Informer 模型实现特征筛选‑时频特征提取‑自适应参数优化整套技术闭环，有效抑制地下水长时序多步预测的误差累积。基于常规监测数据即可实现地下水水质中长期趋势预判，能够辅助管理部门识别潜在污染风险，节约现场监测成本，为西北地区地下水资源安全保障、水资源可持续利用提供新的智能化解决方案。

期刊介绍

《Environmental Science: Water Research & Technology》隶属于英国皇 家化学会（RSC），为 SCI 收录国际学术期刊。期刊围绕可持续水资源主题，核心刊发地下水保护、水环境模拟、水质智能预测、水处理技术、水资源管理等方向研究成果，兼顾基础理论创新与工程实际应用，是水环境与水资源领域极具影响力的国际学术交流平台。