-
题名基于非线性误差补偿的蓝藻水华时序综合预测方法
- 1
-
-
作者
王凌斌
王立
王小艺
许继平
-
机构
北京工商大学计算机与信息工程学院
-
出处
《计算机与应用化学》
CAS
2015年第3期303-308,共6页
-
基金
国家自然科学基金(51179002)
北京市属高等学校高层次人才引进与培养计划项目(CIT&TCD201404031)
-
文摘
针对现有蓝藻水华预测方法中大多仅采用智能模型或时序模型无法准确描述水华生成过程、预测精度不高等问题,本文根据蓝藻水华生成过程中同时存在的非平稳及非线性变化特点,在水华多元非平稳时序模型预测基础上,采用多种智能非线性模型对其非线性预测误差进行预测及补偿,从而提出将多元非平稳时序模型与智能模型相结合的蓝藻水华综合预测方法。本方法首先对蓝藻水华采用多元非平稳时序模型预测并提取非线性预测误差,通过核主成分分析法对影响预测误差的各因素进行分析,利用适于非线性系统建模的遗传算法(GA)优化最小二乘支持向量机(LSSVM)模型及BP神经网络模型对时序模型的非线性预测误差进行预测并补偿,从而提高水华预测精度。本文针对同一批蓝藻水华数据分别采用多元非平稳时序、BP、LSSVM、GA-BP、GA-LSSVM五种方法进行对比分析,实验结果表明,所提出的误差预测模型得到的蓝藻水华预测结果相比仅采用多元非平稳时序方法更符合实际,同时,GA-BP及GA-LSSVM模型的非线性误差预测结果相比BP及LSSVM精度更高,而在小样本情况下,GA-LSSVM模型的预测结果相比GA-BP模型精度更高,稳定性更好。因此本方法解决了现有的蓝藻水华预测精度不高、单一模型建模容易丢失信息等问题,提高了蓝藻水华建模预测的效果。
-
关键词
多元非平稳时序
核主成分分析
GA-LSSVM
GA-BP
蓝藻水华预测
-
Keywords
multivariate non-stationary time series
KPCA
GA-LSSVM
GA-BP
algae blooms prediction
-
分类号
X82
[环境科学与工程—环境工程]
-
