共查询到10条相似文献,搜索用时 406 毫秒
1.
基于PSO优化BP神经网络的水质预测研究 总被引:2,自引:0,他引:2
为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43%减小到1.46%,其平均误差由4.00%减小到1.01%,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测. 相似文献
2.
在当前水质数据急剧增加的背景下,为了挖掘水质时间序列中的更多信息,提升水质预测的精度,构建了基于缺失值填补算法和长短时记忆网络(LSTM)相结合的水质预测模型。通过缺失值填补算法进行水质数据的缺失值处理,利用LSTM网络分别构建不同水质参数的预测模型,以太湖水质监测数据为样本,对模型进行检验。结果表明,基于缺失值填补算法-LSTM的水质预测模型适应性强,相较传统SVM、BP神经网络、RNN、LSTM模型预测精度更高,对水环境保护具有重要意义。 相似文献
3.
4.
5.
6.
本文根据马鞍山市慈湖河流域水环境现状,结合当地政府对慈湖河的管理整治目标,选择EFDC水动力-水质模型作为慈湖河水环境模型。并根据慈湖河流域整体情况对时间空间进行概化。时间概化上,最终确定水动力学模拟时间步长为10s,水质模拟时间步长为20s;空间概化上,采用凸四边形网格概化,各网格之间为一维线性关系;通过CAD、GIS软件,将河道划分为106个网格,共计86行、24列,建立二维模型。通过研究参考文献及相似案例,最终确定本模型的参数和取值。将参数值输入程序中,对慈湖河流域2013年水质进行模拟计算。与马鞍山实际数据比对后发现,模型输出的水位、流速、水质结果在合理范围内。表明在慈湖河干流建立二维水质污染扩散模型,具有较高的拟合、预测精度和泛化能力,模型及方法可为相关水质预测研究提供参考。此外该模型可与web应用系统集成,应用于水质预警,模拟不同污染负荷情形下水质变化,模拟污染事故发生后不同应急措施对污染情况的改善效果,为污染控制和水环境管理工作提供科学依据。 相似文献
7.
BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法.分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较.结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性.但对某些水质的投药预测值还存在一定误差. 相似文献
8.
采用Box-Jenkins法分析了城市火灾时间序列上的趋势性规律,通过数据预处理和模型的识别与诊断,最终建立了城市火灾预测模型。对北京市2000—2006年的火灾统计数据进行了平稳性处理,通过城市火灾预测模型的建模方法对北京市火灾发生次数的时间序列进行了ARIMA建模。根据得到的ARIMA(1,1,0)(1,1,1)12模型对北京市2007年的火灾发生次数进行了预测,并将该模型和BP神经网络模型的预测结果与实际情况进行对比分析。结果表明,ARIMA模型特别适用于随机性较大的火灾数据的趋势预测,并且方法简单,算法经济。 相似文献
9.
为弥补单一模型缺陷,提高预测的可靠性和准确性,提出了煤与瓦斯突出综合预测.根据煤与瓦斯突出的机理,选取模糊数学、灰色理论、物元分析模型、神经网络及支持向量机5种成熟的非线性方法作为综合预测的数学模型,应用灰色关联度模型确定预测指标,建立了基于非线性理论的煤与瓦斯突出综合预测模型.分析了GIS支持下基于非线性理论的煤与瓦斯突出综合预测系统的集成方法及关键技术,开发了快速综合预测系统并进行了应用.研究表明,该系统能够快速预测突出危险性.相比于单一模型,该方法综合了多种数学模型,预测结果具有较高的准确性及可信性. 相似文献
10.
基于灰色预测理论的瓦斯传感器自校正技术 总被引:2,自引:1,他引:2
笔者提出了将灰色预测理论与单片机技术相结合 ,对瓦斯传感器的非线性进行自校正的新思路 ;采用了灰色预测理论中GM(1,1)模型和单片机技术相结合 ,将预测误差值对传感器的实测值进行分段补偿的方法 ,实现对瓦斯传感器的非线性自校正 ;该方法克服了灰色预测理论对波动较大的随机序列的预测精度低的缺陷。其研究结果表明 ,应用该方法得到的预测值与真值的拟合程度好 ,预测值与真值之间最大的差值为 0 .15 0 1% ,而该处校正前的差值为 0 .30 0 0 % ,提高了传感器的测量精度。 相似文献