CAJ | 학술논문

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.
침대현유람조수화예측방법중대다부채용지능모형혹시서모형무법준학묘술수화생성과정、예측정도불고등문제,본문근거람조수화생성과정중동시존재적비평은급비선성변화특점,재수화다원비평은시서모형예측기출상,채용다충지능비선성모형대기비선성예측오차진행예측급보상,종이제출장다원비평은시서모형여지능모형상결합적람조수화종합예측방법.본방법수선대람조수화채용다원비평은시서모형예측병제취비선성예측오차,통과핵주성분분석법대영향예측오차적각인소진행분석,이용괄우비선성계통건모적유전산법(GA)우화최소이승지지향량궤(LSSVM)모형급BP신경망락모형대시서모형적비선성예측오차진행예측병보상,종이제고수화예측정도.본문침대동일비람조수화수거분별채용다원비평은시서、BP、LSSVM、GA-BP、GA-LSSVM오충방법진행대비분석,실험결과표명,소제출적오차예측모형득도적람조수화예측결과상비부채용다원비평은시서방법경부합실제,동시,GA-BP급GA-LSSVM모형적비선성오차예측결과상비BP급LSSVM정도경고,이재소양본정황하,GA-LSSVM모형적예측결과상비GA-BP모형정도경고,은정성경호.인차본방법해결료현유적람조수화예측정도불고、단일모형건모용역주실신식등문제,제고료람조수화건모예측적효과.