共查询到10条相似文献,搜索用时 15 毫秒
1.
滇池草海水质等级预测模型研究 总被引:1,自引:0,他引:1
综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。 相似文献
2.
基于BP神经网络模型的福建海域赤潮预报方法研究 总被引:4,自引:0,他引:4
赤潮往往给渔业生产和人类的生命安全造成极大的危害,但由于赤潮的成因十分复杂,对其进行预报非常困难。本研究收集了福建海区2000年至2016年发生的219个赤潮案例有效数据,应用BP神经网络人工智能模型建立了其与气温、降水、风速、气压和日照5个气象因子的非线性关系,并将这些赤潮案例数据与相应的气象指标按闽东、闽中和闽南3个海区,分别输入模型进行学习、训练与预测。结果显示:1)闽东海区53个训练样本45个预测正确,正确率达84.91%,3个模拟预测样本全部正确;2)闽中海区69个训练样本58个预测正确,正确率达84.06%,4个模拟预测样本全部正确;3)闽南海区85个训练样本的运算预测结果63个正确,正确率74.12%,5个模拟预测样本全部正确,达到预期的结果。研究表明,以气象因子为自变量采用BP神经网络模型对赤潮的发生进行预测是可行的,该方法可为赤潮的预测提供新的途径。 相似文献
3.
养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干分量,接着对各个分量进行相空间重构,在相空间中用LSSVM对各分量进行建模预测,并使用自适应扰动粒子群算法对LSSVM的超参数进行优化,采用单点迭代法进行多步预测。结果显示:该模型与单一LSSVM预测模型相比,具有良好的预测效果。预测未来4 h DO值时,各项性能指标误差均方根(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)三项指标分别降低了13.4%、11.3%和1.8%;预测未来24 h DO值时,三项指标分别降低了12.9%、12.1%和2.7%。研究表明:该组合模型可有效提取DO序列特性,具有较高的预测精度和泛化性能。 相似文献
4.
台湾鳗鲡苗种丰欠的灰色年灾变预测 总被引:2,自引:0,他引:2
简介了灰色年灾变预测方法,并对鳗鲡苗种的丰歉年进行了预测。设定台湾省年产鳗苗量大于12t为丰产年,预测下一个丰年为2000年,再下个丰年为2007年。 相似文献
5.
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。 相似文献
6.
7.
介绍了灰色理论GM(1,1)预测方法,利用黑龙江垦区2002~2005年年末奶牛存栏数建立了垦区奶牛生产发展预测模型。模型精度为很好,用该模型进行预测,能反映出垦区奶牛生产的发展变化情况,并基于预测分析对垦区奶牛发展提出建议和对策。 相似文献
8.
9.
基于CART算法的长江口鱼种丰富度预测 总被引:1,自引:0,他引:1
长江口是西太平洋最大的河口生态系统和典型的生态群落交错区,预测鱼类生物多样性对评价其生态系统有着重要的科学指示意义。结合2012―2013年长江口15个站点的渔业资源和环境调查数据,利用分类与回归树(CART)算法中的回归树算法,构建了长江口鱼种丰富度预测模型。基于1-SE准则,最优决策树的复杂性参数设置为0.067,结果表明,盐度、溶解氧和季节是影响长江口鱼类生物多样性的主要因子。此外,使用2014年的观测数据对回归树模型预测的长江口鱼种丰富度予以验证,均方根误差(RMSE)、平均相对误差(ARE)和平均绝对误差(AAE)值的统计结果显示,回归树模型在春、夏季的预测效能优于秋、冬季,模型总体上呈现出了较好的预测能力,表明利用CART算法对长江口鱼种丰富度进行预测是可行的。 相似文献
10.
基于变量参数的建模思想,依据拉格朗日法提出了河流藻类生长单日定时预测机理,并采用L-M率定方法对模型参数进行动态率定。该模型以德国易北河为例进行验证。首先构建了河流藻类叶绿素a单日12时预测机理模型,对机理模型中的7个参数进行选择,取其中5个参数作为率定参数,其余2个参数作为先验参数。根据易北河2000年5月1日至8月1日期间的12时的叶绿素a浓度,对2组5参数组合分别进行率定,根据率定参数将机理模型沿时间轴外推至次日12时获得计算值作为预测结果。结果表明以率定最优(率定误差最小)为原则选取的5参数组合获得的预测结果最优。而通过改变率定数据长度获得的率定参数进行预测比较表明,采用连续7 d的近期历史数据获得预测结果最优。该方法还原藻类生长空间和时间异质性上优于先验参数预测方法,为采用机理模型进行河流短期藻类预测提供了一种新的解决方案。 相似文献