水环境非线性时序预测的高精度RBF网络模型

被引：9

作者：

杨晓华 ^{[1
]}

杨志峰 ^{[1
]}

沈珍瑶 ^{[1
]}

陆桂华 ^{[2
]}

郦建强 ^{[3
]}

机构：

[1] 北京师范大学环境学院

[2] 河海大学科学研究院

[3] 水利部水利水电规划设计总院

来源：

水科学进展 | 2005年 / 06期

关键词：

水环境时间序列; 非线性预测; RBF神经网络; 精度;

D O I：

10.14042/j.cnki.32.1309.2005.06.006

中图分类号：

P334.92 [];

学科分类号：

081501 ;

摘要：

为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型。用32年海洋水温时间序列实测资料来训练和检验网络并用于预测。用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测。实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型。所建模型不仅精度高,而且收敛速度快。

引用

页码：788 / 791

页数：4

共 7 条

[1] 海洋冰情预测的径向基函数网络模型 [J].