融合ARIMA模型和GAWNN的溶解氧含量预测方法.PDFVIP

２０１７年 １２月 农 业 机 械 学 报 第 ４８卷 增刊 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１７．Ｓ０．０３３ 融合ＡＲＩＭＡ模型和ＧＡＷＮＮ的溶解氧含量预测方法 １ １，２ １ １ 吴　静 　李振波 　朱　玲 　李　晨 （１．中国农业大学信息与电气工程学院，北京 １０００８３；２．中国农业大学农业部农业信息获取技术重点实验室，北京 １０００８３） 摘要：针对河流污染治理、水源管理，提出了融合差分自回归滑动平均 ＡＲＩＭＡ模型和遗传算法优化的小波神经网 络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据，分解为线性和非线性序列，线性数据使用 ＡＲＩＭＡ模型预测，使用最小二乘法完成了ＡＲＩＭＡ模型参数估计。对于经过 ＡＲＩＭＡ模型处理的非线性残差数据、 预测值与原始溶解氧序列之间的线性和非线性关系，采用小波神经网络（ＷＮＮ）获得预测值，并采用遗传算法的选 择、交叉、变异等操作优化网络参数，比传统 ＷＮＮ模型预测精度显著提高。ＡＲＩＭＡ模型、小波神经网络、遗传算法 优化小波神经网络（ＧＡＷＮＮ）和未经遗传算法优化的组合模型预测平均绝对误差分别为０２９％、０３９％、０２６％、 ０２４％，提出的组合模型预测结果平均绝对误差约０１９％且为最小。结果表明，该组合模型优于单个模型和传统 组合模型的预测结果。 关键词：水质预测；差分自回归滑动平均模型；遗传算法；小波神经网络 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１７）Ｓ００２０５０６ ＨｙｂｒｉｄＭｏｄｅｌｏｆＡＲＩＭＡＭｏｄｅｌａｎｄＧＡＷＮＮｆｏｒ ＤｉｓｓｏｌｖｅｄＯｘｙｇｅｎＣｏｎｔｅｎｔＰｒｅｄｉｃｔｉｏｎ １ １，２ １ １ ＷＵＪｉｎｇ　ＬＩＺｈｅｎｂｏ 　ＺＨＵＬｉｎｇ　ＬＩＣｈｅｎ （１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ ２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＩｎｆｏｒｍａｔｉｏｎＡｃｑｕｉｓｉｔｉｏｎ，ＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅ， ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈｅｒｉｖｅｒｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌａｎｄｗａｔｅｒｍａｎａｇｅｍｅｎｔ，ｔｈｉｓｓｔｕｄｙｐｕｔｆｏｒｗａｒｄａｈｙｂｒｉｄ ｍｏｄｅｌｏｆａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｖｉｎｇａｖｅｒａｇｅ（ＡＲＩＭＡ）ｍｏｄｅｌａｎｄｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｍｂｉｎｅｄｗｉｔｈ ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ｔｏｐｒｅｄｉｃｔｔｈｅｒｉｖｅｒｗａｔｅｒｑｕａｌｉｔｙ．Ｆｏｒｔｉｍｅｓｅｒｉｅｓｄａｔａｏｆｗａｔｅｒｑｕａｌｉｔｙｐａｒａｍｅｔｅｒｓ，ｉｔ ｉｎｃｌｕｄｅｓｌｉｎｅａｒａｎｄｎｏｎｌｉｎｅａｒｓｅｑｕｅｎｃｅｓ．ＳｏｕｓｉｎｇｔｈｅｌｅａｓｔｓｑｕａｒｅｍｅｔｈｏｄｔｏｅｓｔｉｍａｔｅｔｈｅＡＲＩＭＡｍｏｄｅｌ ｐａｒａｍｅｔｅｒｓ，ＡＲＩＭＡｍｏｄｅｌｗａｓｕｓｅｄｔｏｐｒｅｄｉｃｔｌｉｎｅａｒｄａｔａ．Ｆｏｒｔｈｅｎｏｎｌｉｎｅａｒｒｅｌａｔｉｏｎｓｈｉｐａｍｏｎｇｔｈｅ ｒｅｓｉｄｕａｌｅｒｒｏｒｄａｔａ，ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔ，ａｎｄｏｒｉｇｉｎａｌｄａｔａ，ｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｔｏｏｐｔｉｍｉｚｅｗａｖｅｌｅｔ ｎｅｕｒａｌｎｅｔｗｏｒｋ（ＷＮＮ）ｐａｒａｍｅｔｅｒｓ，ｉｎｃｌｕｄｉｎｇｓｅｌｅｃｔｉｏｎ