- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 36卷第 3期 人 民 黄 河 Vo1.36.No.3
2014年3月 YELL0W RIVER Mar..2014
【水资源 ·水环境 】
改进证据理论融合灰色神经网络的水质预测
艾 莉,程加堂,华 静
(红河学院 工学院,云南 蒙自661199)
摘 要:针对水质预测过程中样本数据少的特点,引入了改进证据理论和灰色神经网络相结合的组合预测方法。首先利
用灰色神经网络作为单一模型对水质进行初步预测,再用神经网络对预测结果进行分析建模,得到每个单一预测模型的
可信度,最后采用改进证据理论进行融合决策,以获得各单一预测模型的权重,从而实现了水质的组合预测。实例分析
结果表明,该方法拟合误差小、预测精度高。
关 键 词:改进证据理论;灰色神经网络;水质;预测
中图分类号:X824 文献标志码 :A doi:10.3969/j.issn.1000—1379.2014.03.016
WaterQualityPredictionBasedonImprovedEvidenceTheoryCombiningwith
GrayNeuralNetwork
AILi,CHENG Jia—tang,HUA Jing
(EngineeringCollegeofHongheUniversity,Mengzi661199,China)
Abstract:Aimingtothecharacteristicsoffewsampledatainwaterqualitypredictionprocess,thispaperintroducedacombinationpredictionmeth—
odbasedonimprovedevidencetheorycombiningwithgrayneuralnetwork.Firstly,thegrayneuralnetworkWaSusedassinglemodeltopreliminary
predictthewaterquality;thentheneuralnetworkwasusedtoanalyzethepredictiveresultsandestablishmodelstogetthecredibilityofevery single
predictionmodel;finally,theevidencetheory wasemployedtofusethem andtoobtainthesinglepredictionmodelweight.Hence,thewaterquali-
typredictionwasrealized.TheresultsshowthatthemethodhassmallfittingelTorandhighpredictionprecision.
Keywords:improvedevidencetheory ;grayneuralnetwork;waterquality;prediction
水质预测是水环境规划管理、水污染防治的重要手段,实
现河流水质的有效预测对促进水资源的可持续利用具有重要 1 水质组合预测的算法实现
意义。目前 ,水质的预测方法主要有灰色预测法…、神经 网
1.1 组合预测原理
络 以及支持向量机 等。尽管灰色预测法可增强时间序列
将经过处理后的样本数据分别输入 3个独立的灰色神经
的规律性 ,并能够从小样本数据中提取丰富的信息,但往往预
网络模型中,得出每个模
文档评论(0)