最優加權組合預測法在水質預測中的應用研究
摘要：針對用再生水補給河流的水質預測問題,提出了基于最優加權法的組合預測模型.利用灰色預測模型、趨勢外推法和指數平滑法3種方法分別進行預測,再以預測誤差平方和最小為目標,將預測值的加權問題轉化為優化問題,求解得到各種方法預測值的權值.然后,將3種方法所得的預測結果用最優加權法進行組合,得到組合預測值.最后,應用組合預測法對由再生水補給的永定河中的DO值進行預測,并與單一預測模型比較.仿真結果表明,組合模型可以平衡各種方法的偏差,模型的適用性和預測精度有所改善.
關鍵詞：再生水水質 組合預測 灰色預測模型 趨勢外推法 指數平滑法
1 引言
隨著經濟的發展和人們生活水平的提高,天然水體正不斷遭到污染. 水體中含有多種污染物,它們濃度的高低直接影響水質的好壞. 因此,對水體中污染物濃度的預測和水質趨勢變化的研究,具有重要的理論和現實意義. 目前已有多種模型與預測方法,如模糊綜合評價(吳運敏等,2011)、回歸分析(李林等, 2005)、時間序列分析(Lim et al. ,2002)、灰色系統Kayacan et al. , 2010)、人工神經網絡(ANNs)(邱林等, 1998)等,由于它們的適用條件及建模機理各不相同,在不同程度上都有一定的局限性. 1969 年Bates 和Granger(1969)在《運籌學季刊》中首次提出“組合預測”的思想,開始了對組合預測的系統研究. 將幾種預測方法組合成一個預測模型,即用多個預測模型的有效組合或多個因素的科學綜合,將比較合理地描述系統的客觀現實,于是組合預測的方法被廣泛采用. 如自回歸移動平均模型(ARIMA)與人工神經網絡的聯合模型,充分利用了ARIMA 的線性與ANNs 的非線性的獨特優勢(Zhang, 2003);采用基于混沌理論和RBF 神經網絡的組合預測方法,對短時交通流量進行預測,得到了較高的精度(張玉梅等, 2007).
由于影響水質變化的隨機因素較多,所以單一模型的預測風險性較大,而且精度也不一定很高.為了解決這個問題,并進一步提高精度,本文采用組合預測模型,應用3 種不同方法的預測,再用最優加權組合方法對同一時期的不同預測值進行加權,得出組合預測值. 將組合預測模型用于永定河水質的預測,以期得到較高精度的預測,減小預測誤差.
使用微信“掃一掃”功能添加“谷騰環保網”
如果需要了解更加詳細的內容，請點擊下載 
201301040959230915.zip
下載該附件請登錄，如果還不是本網會員，請先注冊
