| 摘 要： | 湖库总磷(TP)含量与环境因子的相关性往往并不显著,导致总磷预测精度不高,效果不理想。为提高总磷的预测精度,提出一种基于BP、Elman、RBF、GRNN(以下简称BP等4种)神经网络算法原理的组合预测模型,将影响总磷预测精度的NH+4-N、CODMn和透明度3个相关因子作为BP等4种模型的输入向量,总磷实测值作为输出向量,构建3输入1输出的单一预测模型;以BP等4种单一模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,从而构建4输入1输出的一次组合预测模型;再以一次组合神经网络模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,构建4输入1输出的二次组合预测模型;依次类推,构建8种方案的多重组合预测模型。并构建GA-BP模型作为对比预测模型,预测结果与BP等4种单一模型及GA-BP模型的预测结果进行比较。结果表明:(1)组合模型随着组合重数的增加,预测精度显著提高,表明多重组合模型用于湖库总磷预测是合理可行的,模型具有较好的预测精度和泛化能力,是提高预测精度的有效方法;(2)方案2~8中各模型的预测结果均优于GA-BP模型(除方案2中的GRNN外),表明组合模型具有较高的预测精度和泛化能力。其中,方案3中的BP模型、方案4~8中的BP、Elman和RBF模型的平均相对误差均小于10%,预测精度均令人满意,尤以方案6~8中的BP、Elman和RBF模型的预测精度为最高(平均相对误差均在9%以内),均优于其他组合模型。
|
