基于arma-bp集成的藻类叶绿素a预测研究.pdfVIP

第３５卷　 第３期 气 象 科 学 Ｖｏｌ． ３５，Ｎｏ．３ 　 ２０１５年６月 Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ Ｊｕｎ．，２０１５　 － 张娣，景元书，李亚春，等．基于ＡＲＭＡ ＢＰ集成的藻类叶绿素ａ预测研究．气象科学，２０１５，３５（３）：３１２⁃３１６． ＺＨＡＮＧ Ｄｉ，ＪＩＮＧＹｕａｎｓｈｕ，ＬＩＹａｃｈｕｎ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｏｎｏｎａｌｇａｌｃｈｌｏｒｏｐｈｙｌｌ “ａ” ｂｙ ｉｎｔｅｇｒａｔｉｎｇＡＲＭＡａｎｄＢＰ ｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｊｏｕｒ⁃ ｎａｌ ｏｆ ｔｈｅ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ，２０１５，３５（３）：３１２⁃３１６． ｄｏｉ：１０．３９６９／ ２０１４ｊｍｓ．００２２ － 基于ＡＲＭＡ ＢＰ 集成的藻类叶绿素ａ预测研究 １，２，３ １，２ ４ １，２ 张娣 　 景元书 　 李亚春 　 温新龙 （１南京信息工程大学 江苏省农业气象重点实验室，南京 ２１００４４； ２ 南京信息工程大学 应用气象学院，南京 ２１００４４； ３ 河北省气象服务中心，石家庄 ０５００２１；４ 江苏省气象服务中心，南京 ２１０００８） 摘要　 藻类叶绿素ａ 浓度是反映太湖水体富营养化程度的重要参数指标。 以太湖２０１０— ２０１１年５—１０ 月旬平均叶绿素ａ 浓度和气象资料数据作为建模样本，通过对气象资料进行主成分 分析，得到４ 种主要气象因子作为输入，建立时间序列ＡＲＭＡ 预测模型与ＢＰ 神经网络预测模型， 并对２０１２年数据进行预测。 利用两种模型在线性空间和非线性空间的预测优势，将叶绿素ａ 数据 结构分解为线性自相关主体和非线性残差两部分。 首先用ＡＲＭＡ模型预测序列的线性主体，然后 用ＢＰ 模型对其非线性残差进行估计，最终集成整个序列的预测结果，建立了ＡＲＭＡ⁃ＢＰ 预测模型。 ３种模型的预测效果为ＡＲＭＡ⁃ＢＰ＞ＢＰ＞ＡＲＭＡ。 关键词　 气象灾害； 藻类叶绿素ａ； 主成分分析； ＢＰ 神经网络； ＡＲＭＡ⁃ＢＰ模型 　 　 分类号：Ｓ１６６　 　 　 ｄｏｉ：１０．３９６９／ ２０１４ｊｍｓ．００２２　 　 　 文献标识码：Ａ Ｐｒｅｄｉｃｔｉｏｎ ｏｎ ａｌｇａｌ ｃｈｌｏｒｏｐｈｙｌｌ “ａ” ｂｙ ｉｎｔｅｇｒａｔｉｎｇ ＡＲＭＡ ａｎｄ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ １，２，３ １，２ ４ １，２ ＺＨＡＮＧ Ｄｉ 　 ＪＩＮＧ Ｙｕａｎｓｈｕ 　 ＬＩ Ｙａｃｈｕｎ 　 ＷＥＮ Ｘｉｎｌｏｎｇ （１ＪｉａｎｇｓｕＫｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ ＡｇｒｉｃｕｌｔｕｒａｌＭｅｔｅｏｒｏｌｏｇｙ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｊｉｎｇ ２１００４４，Ｃｈｉｎａ； ２ Ｃｏｌｌｅｇｅ ｏｆ ＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ ２１００４４，Ｃｈｉｎａ； ３ＨｅｂｅｉＭｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｅｒｖｉｃｅ Ｃｅｎｔｅｒ，Ｓｈｉ