基于灰色Elman神經(jīng)網(wǎng)絡(luò)的湖水水質(zhì)指標(biāo)預(yù)測(cè)研究.pdf

1、對(duì)于湖泊水狀況預(yù)測(cè)是對(duì)某個(gè)地區(qū)內(nèi)湖泊水資源的質(zhì)量與數(shù)量的發(fā)展趨勢(shì)進(jìn)行科學(xué)地推斷與估計(jì)。為了達(dá)到指導(dǎo)人們?cè)诮?jīng)濟(jì)與社會(huì)發(fā)展中更合理及有效地利用、開發(fā)湖泊水資源、保護(hù)湖泊水生態(tài)的目的。預(yù)測(cè)主要任務(wù)是依據(jù)湖泊水體的數(shù)量與質(zhì)量的歷史資料以及現(xiàn)時(shí)數(shù)據(jù)，按其相應(yīng)的運(yùn)動(dòng)、變化規(guī)律，預(yù)測(cè)其未來(lái)的發(fā)展?fàn)顩r，為湖泊水資源地利用、管理以及進(jìn)行輔助決策提供依據(jù)。
　　考慮到湖水水質(zhì)數(shù)據(jù)本身的一些特點(diǎn)，首先以灰色GM(1,1)模型以及傳統(tǒng)灰色Elman神經(jīng)網(wǎng)

2、絡(luò)模型對(duì)其進(jìn)行預(yù)測(cè)。灰色GM(1,1)對(duì)原始數(shù)據(jù)數(shù)量要求少，而Elman神經(jīng)網(wǎng)絡(luò)非線性擬合能力強(qiáng)，兩者組合巧妙地取長(zhǎng)補(bǔ)短，彌補(bǔ)灰色GM(1,1)模型對(duì)具有較大波動(dòng)性的數(shù)據(jù)擬合能力差和 Elman神經(jīng)網(wǎng)絡(luò)必須提供大樣本較好擬合出相應(yīng)趨勢(shì)的不足。利用洱海小關(guān)邑點(diǎn)位湖水水質(zhì)指標(biāo)2014年11月24日至2015年1月18日的DO、COD、NH3-N周均值作為原始數(shù)據(jù)，預(yù)測(cè)2015年1月19日至1月25日和1月26日至2月1日DO、COD、NH3

3、-N的濃度來(lái)對(duì)所采用的單個(gè)以及組合模型進(jìn)行相應(yīng)的精度檢驗(yàn)。通過(guò)一系列研究與分析，最終結(jié)果表明：NH3-N的原始數(shù)據(jù)列方差最小，此時(shí)傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度要比GM(1,1)差；DO的原始數(shù)據(jù)波動(dòng)性適中，方差值約為0.14，此時(shí)傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度與 GM(1,1)相比可以說(shuō)是不相上下；COD的原始數(shù)據(jù)波動(dòng)性較大，原始數(shù)列的方差值達(dá)到了0.19，此時(shí)傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度相比于GM(1,1)明顯表現(xiàn)出了優(yōu)勢(shì)。因此，我們需要尋找

4、新的改進(jìn)的組合模型，以求在任何不同情況下都可以得出較為精確的結(jié)果。
　　在系統(tǒng)考慮了傳統(tǒng)灰色 Elman神經(jīng)網(wǎng)絡(luò)所存在的缺陷，建立了改進(jìn)型灰色Elman神經(jīng)網(wǎng)絡(luò)模型，該模型保留了傳統(tǒng)模型的優(yōu)點(diǎn)，以更改組合結(jié)構(gòu)的方式使其更加優(yōu)化。利用洱海小關(guān)邑點(diǎn)位湖水水質(zhì)指標(biāo)11月24日到1月28日的DO、COD、NH3-N周均值作為原始數(shù)據(jù)進(jìn)行擬合，2015年1月19日至1月25日和1月26日至2月1日DO、COD、NH3-N的濃度來(lái)對(duì)所建立的改