摘要：針對用再生水補給河流的水質(zhì)預(yù)測問題,提出了基于最優(yōu)加權(quán)法的組合預(yù)測模型.利用灰色預(yù)測模型、趨勢外推法和指數(shù)平滑法3種方法分別進行預(yù)測,再以預(yù)測誤差平方和最小為目標(biāo),將預(yù)測值的加權(quán)問題轉(zhuǎn)化為優(yōu)化問題,求解得到各種方法預(yù)測值的權(quán)值.然后,將3種方法所得的預(yù)測結(jié)果用最優(yōu)加權(quán)法進行組合,得到組合預(yù)測值.最后,應(yīng)用組合預(yù)測法對由再生水補給的永定河中的DO值進行預(yù)測,并與單一預(yù)測模型比較.仿真結(jié)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(yù)測精度有所改善.

關(guān)鍵詞：再生水水質(zhì)  組合預(yù)測  灰色預(yù)測模型  趨勢外推法  指數(shù)平滑法
 

      1　引言

隨著經(jīng)濟的發(fā)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(zhì)的好壞. 因此,對水體中污染物濃度的預(yù)測和水質(zhì)趨勢變化的研究,具有重要的理論和現(xiàn)實意義. 目前已有多種模型與預(yù)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(tǒng)Kayacan et al. , 2010)、人工神經(jīng)網(wǎng)絡(luò)(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(xué)季刊》中首次提出“組合預(yù)測”的思想,開始了對組合預(yù)測的系統(tǒng)研究. 將幾種預(yù)測方法組合成一個預(yù)測模型,即用多個預(yù)測模型的有效組合或多個因素的科學(xué)綜合,將比較合理地描述系統(tǒng)的客觀現(xiàn)實,于是組合預(yù)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(jīng)網(wǎng)絡(luò)的聯(lián)合模型,充分利用了ARIMA 的線性與ANNs 的非線性的獨特優(yōu)勢(Zhang, 2003);采用基于混沌理論和RBF 神經(jīng)網(wǎng)絡(luò)的組合預(yù)測方法,對短時交通流量進行預(yù)測,得到了較高的精度(張玉梅等, 2007).

由于影響水質(zhì)變化的隨機因素較多,所以單一模型的預(yù)測風(fēng)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(yù)測模型,應(yīng)用3 種不同方法的預(yù)測,再用最優(yōu)加權(quán)組合方法對同一時期的不同預(yù)測值進行加權(quán),得出組合預(yù)測值. 將組合預(yù)測模型用于永定河水質(zhì)的預(yù)測,以期得到較高精度的預(yù)測,減小預(yù)測誤差.

  使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”