改进证据理论融合灰色神经网络的水质预测.pdf

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