规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

灰色系统理论在湖泊水质预测建模中的应用

本文将灰色系统理论应用于湖泊水质预测建模研究,提出了湖泊水质预测的建模方法,并建立了某湖化学需氧量(COD)的GM(1,1)预测模型。      

灰色模型在昆明交通噪声预测中的应用

交通噪声声级是众多环境统计指标中的一种,它与城市的经济发展水平、道路状况、交通管理等诸多因素有关,很难准确定量描述。本文应用灰色预测理论模型,以1985～1989年昆明市交通噪声统计资料为例,对交通噪声声级进行未来发展趋势预测分析。 1 灰色模型GM(1.1)预测法灰色预测是通过原始数据序列进行一定的变换,变成生成列,这个生成列用指数曲线或其它函数逼近,从而建立起预测模型。首先对所取数据列按时间顺序排列,经一次累加、得生成列,即白色模     

基于关联向量机回归的水质预测模型

提出了一种基于关联向量机回归的水质时间序列预测模型,并以该模型对氢离子浓度指数(p H值)、溶解氧(DO)、高锰酸盐指数(CODMn)和氨氮(NH3-N)4种重要水质指标进行预测.首先采用国家环保部发布的四川攀枝花龙洞水质自动监测数据进行实验,对该模型的有效性进行了验证;然后将关联向量机回归预测模型与支持向量机回归预测模型进行比较.为了比较不同核函数的预测效果,实验中预测模型的核函数分别采用了线性函数和高斯函数.实验结果表明,关联向量机回归模型的预测效果不亚于支持向量机回归模型;且在给出预测值时,还能同时给出预测结果的可信程度.     

基于MABC-SVR的边坡安全系数预测模型

为避免原始人工蜂群算法(原始ABC算法)搜索时陷入局部最优解,提出一种改进的人工蜂群算法(MABC算法),该方法先将原始蜜源的适应度进行排序,找出适应度最高的蜜源,再在其周围搜索更优解,并采用MABC算法对支持向量回归(SVR)模型参数进行优化,实现对边坡安全系数的回归分析与预测。通过对两种算法进行函数测试,结果表明:MABC算法较原始ABC算法收敛速度快、全局性好。选取实例边坡数据构造训练集和测试集,采用MABC-SVR方法基于建立的边坡安全系数预测模型进行预测,结果表明:均方根误差为0.004 6,最大相对误差为7.62%,回归系数为0.967 2。可见,建立的边坡安全系数预测模型准确度较高,可推广使用。     

基于Informer的PM2.5浓度预测

针对现有PM_2.5浓度时序预测模型预测精度不高的问题,基于Informer建立了1个Seq2Seq的单站点PM_2.5浓度多步时序预测模型,以历史污染物数据和气象数据为输入,实现对未来一段时间PM_2.5浓度的预测。所构建模型基于ProbSparse (概率稀疏)自注意力机制提取所输入的序列信息,能够广泛地捕获输入序列的长期依赖信息,并对影响因子之间复杂的非线性关系进行建模,从而提高预测准确度。采用北京市2015-2019年逐小时空气污染物数据与气象数据进行模型训练、验证和测试,建立与循环神经网络(RNN)、长短期记忆网络(LSTM)的对比实验并与其他现有研究方法进行比较,结果表明:对未来1~6 h的PM_2.5浓度时序预测,Informer的平均绝对误差(MAE)、均方根误差(RMSE)和可决系数(R2)指标均为最好,实现了较为准确的预测。     

基坑开挖诱发既有建(构)筑物变形的SVM-BP预测模型及其工程应用

为解决复杂施工环境下基坑周边近接建(构)筑物监测数据难以及时获取的问题,建立了基坑施工诱发周边既有建(构)筑物沉降SVM-BP预测模型。以某基坑工程近接建筑物的沉降为例,描述了该预测方法在实施过程中关键难点,并以实测数据进行验证。构建基坑开挖诱发周边既有建(构)筑物沉降预测体系,体系影响因子均来源于《建筑基坑工程监测技术规范》规定的应测项目,预测体系的构建关键在于影响因子与周边既有建(构)筑物沉降关系的建立。为此,根据实际工程案例特点和力学机理,采用将定性问题转换为定量表达的方法。而后,选择机器学习中的SVM、BP神经网络算法分别建立建(构)筑物响应预测模型。在此基础上,建立基于最小二乘准则的SVM-BP组合算法的预测模型,该模型可以充分利用不同机器学习算法的优势,一定程度上减少信息丢失,降低不确定性,使得预测精度进一步提高。     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

基于灰色GM(1,1)模型的铁岭市工业废水排放量预测

建立铁岭市工业废水排放量预测模型,预测2010～2015年铁岭市工业废水排放量.根据工业废水排放量数据序列特征,将灰色系统理论GM(1 ,1) 模型的建模方法用于构建铁岭市工业废水排放量预测模型,并用GM(1 ,1)残差模型对模型进行修正.利用1999～2007年铁岭市工业废水排放量原始数据与预测数据比较分析,误差较小...     

神经网络模型用于数值水质模型逼近的适用性及非敏感参数的欺骗效应

水质模型被广泛应用于水环境管理和决策,但却面临着计算时间和模型应用效率等多方面的问题;利用函数映射和逼近等方法来建立水质模型的输入-输出响应关系,可有效减少计算成本并显著改善模型效率.水质模型的输入-输出响应函数关系有多种形式,本文以其中的2种为例,并分别基于2个水质模型(零维总磷模型、WASP/EUTRO5)的案例,分析和验证了神经网络模型在响应关系逼近中的适用性.案例的结果表明:神经网络函数可以有效地用于水质模型输入-输出响应关系的逼近;当网络规模超出阈值大小时,神经网络函数逼近的准确度和泛化度对网络规模不敏感.在案例研究的基础上,推导和讨论了在神经网络模型函数映射过程中所可能出现的非敏感参数的欺骗效应,以及可能由此导致的过度预测或过低预测问题;并建议在神经网络函数逼近中,应只包含水质模型的敏感参数,以防止降低神经网络模型的准确度.     

环境规划与环境管理

x32环境污染的投形寻踪回归预测模型/彭荔红(厦门大学环境科学研究中心)…//厦门大学学报(自然科学版)/厦门大学一2(X)2,41(1)一79一83 环图N一26 环境污染预测中常用的统计预测法基于“假定一模拟一预测”这样一种证实性数据分析思维模式,难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据一模拟一预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性、非正态问题。应用投影寻踪回归新技术,建立了大气污染物吸浓度的预测模型,其预测建模样本的拟合合格率为96%,预留预测检验样本预测准确率为80%,高于模糊识…     

基于PCA和BP神经网络的中南公路岩质边坡稳定性预测

综合利用主成分分析法(Principle Component Analysis,PCA)对影响公路岩质边坡稳定性的6个因素进行主成分提取,提取的4个主成分作为BP神经网络的输入变量,边坡状态作为输出变量,并采用Levenberg-Marquardt(LM)算法优化BP神经网络,建立了基于PCA-LM-BP神经网络的公路边坡稳定预测模型。结合中南公路岩质边坡工程实例,将PCA-LM-BP神经网络模型的预测结果与LM-BP神经网络模型、BP神经网络模型预测结果进行对比。结果表明:基于PCA-LM-BP神经网络的预测模型精度较高,可为预测中南公路边坡稳定性提供一定的依据。     

基于属性简约和BP神经网络的PM_(2.5)预测模型

利用南充市2014-2015年的空气质量数据和气象数据作为分析数据,研究了南充市后1日PM_(2.5)的预测模型。研究过程分为2个阶段:(1)经粗糙集-遗传算法属性简约后,保留了11个必要属性;(2)保留的必要属性作为BP神经网络的输入层,基于BP神经网络建立了后1日PM_(2.5)的预测模型。结果表明:(1)决策属性对条件属性的依赖度为0.779 3;(2)经属性简约后建立的南充市后1日PM_(2.5)的预测模型预测误差降低了1.73%,准确率提高;(3)经属性简约后建立的南充市后1日PM_(2.5)的预测模型准确率为80.26%,对优良状态PM_(2.5)预测的准确率为75.35%,对污染状态PM_(2.5)预测的准确率为87.63%。基于属性简约和BP神经网络的PM_(2.5)预测模型总体预测效果良好,可用于颗粒物浓度预测和污染情况预报,为大气环境监测和管理提供重要技术参考。     

灰色摆动序列建模方法研究

建立了灰色摆动序列 GIM( 1)动态指数变换建模方法。并用其拟合、预测某河流 1998～ 2 0 0 0年的 CODCr值 ,结果表明该方法计算简便 ,预测精度高 ,是一种具有推广价值的实用方法     

遗传规划方法在水质预测中的应用

为克服现有水质预测方法的不足,应用遗传规划方法进行水质预测,用遗传规划个体表征预测函数,预测精度为评价标准,通过复制、交叉等操作,不断改变遗传规划个体结构,最终找到预测值的最佳显式预测函数.以漓江为例,建立了基于GP的预测模型,仿真计算结果表明模型具有较高的预测精度.     

灰色动态模型(GM)在黑龙江省污水总量预测中的应用

本文引入灰色系统理论,利用有限的时间序列,按照GM(1,1)建模方法,建立起黑龙江省污水总量长期预测模型。预测了公元2000年黑龙江省污水总量,取得了满意的结果。      

陕西省能源消费的组合预测

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性。鉴于能源消费系统的复杂性及非线性的特征,文章首先利用陕西能源消费量的历史数据,分别采用指数回归模型、能源需求弹性回归模型及灰色模型建立了陕西省能源消费系统的单项预测模型。其次,采用标准差法进行非负权重分配,建立了陕西省能源消费量的组合预测模型。结果表明,加入时间虚拟变量和分段建模的预测精度明显提高,且组合预测模型的精度高于单项预测模型。最后,应用该模型对陕西未来10年的能源消费量进行了预测。     

灰色动态模型在工业废渣产生总量预测中的应用

本文将灰色动态模型(GM)应用于工业废渣产生总量的预测建模研究。建立了江西省工业废渣产生总量的长期预测模型,并对其变化趋势进行了预测与分析。     

灰色预测模型在渭河水环境信息系统中的应用

在分析了灰色预测模型的建模原理和流域水质预测的变化性的基础上,建立了灰色GM(1,1)预测模型,结合地理信息系统GIS,将其应用于渭河流域水环境信息系统中,为流域水质管理工作提供了很大的帮助。