最优加权组合预测法在水质预测中的应用研究
摘要：针对用再生水补给河流的水质预测问题,提出了基于最优加权法的组合预测模型.利用灰色预测模型、趋势外推法和指数平滑法3种方法分别进行预测,再以预测误差平方和最小为目标,将预测值的加权问题转化为优化问题,求解得到各种方法预测值的权值.然后,将3种方法所得的预测结果用最优加权法进行组合,得到组合预测值.最后,应用组合预测法对由再生水补给的永定河中的DO值进行预测,并与单一预测模型比较.仿真结果表明,组合模型可以平衡各种方法的偏差,模型的适用性和预测精度有所改善.
关键词：再生水水质 组合预测 灰色预测模型 趋势外推法 指数平滑法
1 引言
随着经济的发展和人们生活水平的提高,天然水体正不断遭到污染. 水体中含有多种污染物,它们浓度的高低直接影响水质的好坏. 因此,对水体中污染物浓度的预测和水质趋势变化的研究,具有重要的理论和现实意义. 目前已有多种模型与预测方法,如模糊综合评价(吴运敏等,2011)、回归分析(李林等, 2005)、时间序列分析(Lim et al. ,2002)、灰色系统Kayacan et al. , 2010)、人工神经网络(ANNs)(邱林等, 1998)等,由于它们的适用条件及建模机理各不相同,在不同程度上都有一定的局限性. 1969 年Bates 和Granger(1969)在《运筹学季刊》中首次提出“组合预测”的思想,开始了对组合预测的系统研究. 将几种预测方法组合成一个预测模型,即用多个预测模型的有效组合或多个因素的科学综合,将比较合理地描述系统的客观现实,于是组合预测的方法被广泛采用. 如自回归移动平均模型(ARIMA)与人工神经网络的联合模型,充分利用了ARIMA 的线性与ANNs 的非线性的独特优势(Zhang, 2003);采用基于混沌理论和RBF 神经网络的组合预测方法,对短时交通流量进行预测,得到了较高的精度(张玉梅等, 2007).
由于影响水质变化的随机因素较多,所以单一模型的预测风险性较大,而且精度也不一定很高.为了解决这个问题,并进一步提高精度,本文采用组合预测模型,应用3 种不同方法的预测,再用最优加权组合方法对同一时期的不同预测值进行加权,得出组合预测值. 将组合预测模型用于永定河水质的预测,以期得到较高精度的预测,减小预测误差.
使用微信“扫一扫”功能添加“谷腾环保网”
如果需要了解更加详细的内容，请点击下载 
201301040959230915.zip
下载该附件请登录，如果还不是本网会员，请先注册
