基于中心逼近式灰色神经网络模型的水质预测.pdfVIP

· 技 术 与应 用 · 海河水利2011．No．6 基于中心逼近式灰色神经网络模型的水质预测 周 波 ，周 慧 (1．海河水利委员会水文局，天津 300170；2．水利部河北水利水电勘测设计研究院，天津 300250) 摘 要：对时间序列建立中心逼近式GM (1，1)模型 ，通过优选模型的m值弱化序列变幅，利用BP神经网络对该 模型残差值进行拟合修正，以此构建一个基于中心逼近式GM (1，1)模型的灰色神经网络预测模型。应用实例的 计算结果表明，该模型可提高水质预测精度。 关键词：中心逼近式GM(1，1)模型；m值；BP神经网络；残差序列；水质预测 中图分类号：X824 文献标识码：A 文章编号：1004—7328(2011)06—0034—40 CenterApproachGreyBPNeuralNetworkPredictionModelforWaterQuality ZHOUBo．ZHOUHui (1．HydrographicBureau，HaiheRiverWaterConservancyCommission，Tianjin300170，China；2．HebeiResearchInstitute ofInvestigationAndDesignofWaterConservacyAndHydropower，TheMinsitryofWaterResources，Tianjin300250，China) Abstract：ThecenterapproachGM (1，1)modelisdevelopedonthetimeseries，andthescopeofsequenceisweakened byoptimallyselectmvalueofthecenterapproachGM (1，1)mode1．ThentheBPneuralnetworkisappliedforfittingthe residualsandmodifyingthepredictiveValUeS，inordertobuildthegreyBPneuralnetworkpredictionmodel，whichis basedonthecenterapproachGM (1，1)mode1．Theresultsofexamplesshowthatthemodelcanimprovethepredictionac— curacyofwaterquality． Keywords：CenterapproachGM (1，1)model；mIndex；BPneuralnetwork；Residualsequence；Waterqualityprediction 根据水质预测模式所依据的理论基础不同， 灰色系统理论与神经网络构成灰色神经网络 已 可将水质预测模型归纳为数理统计预测法、灰色 成为水质预测领域的一个研究热点。其中，文献 系统理论预测法、神经网络模型预测法、水质模拟 [6，7】针对水质参数预测过程中样本数据少的特点 模型预测法和基于混沌理论的水质预测法等五大 和利用BP神经网络进行水质预测时需要大量数 类 】。 据才能获得较为准确的预测结果的局限性 ，为降 灰色系统理论模型口1具有建模所需样本数据 低预测时对数据的依赖程度 ，分别引入灰色GM 少 、无需考虑其分布规律及变化趋势 、建模简单 、 (1，1)模型和灰色新陈代谢GM(1，1)模型，建立最 运算方便等特点，适用于数据较少 、趋势性强、波 优组合模型，以用于数据贫瘠时的情况 。文献[8】 动不大的短期水质预测问题 ；而神经网络预测模 针对灰色预测对波动较强的序列只能预测大致变 型嘲具有较强的自学习、自组织和自适应能力以及 化的缺陷，结合灰色残差GM(1，1)模型和RBF神 良好的非线性信息处理能力，适用于预测无序、波