基于灰色Elman神經(jīng)網(wǎng)絡(luò)的湖水水質(zhì)指標預(yù)測研究.pdf

1、對于湖泊水狀況預(yù)測是對某個地區(qū)內(nèi)湖泊水資源的質(zhì)量與數(shù)量的發(fā)展趨勢進行科學地推斷與估計。為了達到指導(dǎo)人們在經(jīng)濟與社會發(fā)展中更合理及有效地利用、開發(fā)湖泊水資源、保護湖泊水生態(tài)的目的。預(yù)測主要任務(wù)是依據(jù)湖泊水體的數(shù)量與質(zhì)量的歷史資料以及現(xiàn)時數(shù)據(jù)，按其相應(yīng)的運動、變化規(guī)律，預(yù)測其未來的發(fā)展狀況，為湖泊水資源地利用、管理以及進行輔助決策提供依據(jù)。
　　考慮到湖水水質(zhì)數(shù)據(jù)本身的一些特點，首先以灰色GM(1,1)模型以及傳統(tǒng)灰色Elman神經(jīng)網(wǎng)

2、絡(luò)模型對其進行預(yù)測?；疑獹M(1,1)對原始數(shù)據(jù)數(shù)量要求少，而Elman神經(jīng)網(wǎng)絡(luò)非線性擬合能力強，兩者組合巧妙地取長補短，彌補灰色GM(1,1)模型對具有較大波動性的數(shù)據(jù)擬合能力差和 Elman神經(jīng)網(wǎng)絡(luò)必須提供大樣本較好擬合出相應(yīng)趨勢的不足。利用洱海小關(guān)邑點位湖水水質(zhì)指標2014年11月24日至2015年1月18日的DO、COD、NH3-N周均值作為原始數(shù)據(jù)，預(yù)測2015年1月19日至1月25日和1月26日至2月1日DO、COD、NH3

3、-N的濃度來對所采用的單個以及組合模型進行相應(yīng)的精度檢驗。通過一系列研究與分析，最終結(jié)果表明：NH3-N的原始數(shù)據(jù)列方差最小，此時傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測精度要比GM(1,1)差；DO的原始數(shù)據(jù)波動性適中，方差值約為0.14，此時傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測精度與 GM(1,1)相比可以說是不相上下；COD的原始數(shù)據(jù)波動性較大，原始數(shù)列的方差值達到了0.19，此時傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測精度相比于GM(1,1)明顯表現(xiàn)出了優(yōu)勢。因此，我們需要尋找

4、新的改進的組合模型，以求在任何不同情況下都可以得出較為精確的結(jié)果。
　　在系統(tǒng)考慮了傳統(tǒng)灰色 Elman神經(jīng)網(wǎng)絡(luò)所存在的缺陷，建立了改進型灰色Elman神經(jīng)網(wǎng)絡(luò)模型，該模型保留了傳統(tǒng)模型的優(yōu)點，以更改組合結(jié)構(gòu)的方式使其更加優(yōu)化。利用洱海小關(guān)邑點位湖水水質(zhì)指標11月24日到1月28日的DO、COD、NH3-N周均值作為原始數(shù)據(jù)進行擬合，2015年1月19日至1月25日和1月26日至2月1日DO、COD、NH3-N的濃度來對所建立的改