基于灰色理论及支持向量机的水质预测
针对DbN小波变换分解后的子序列具有不同的特性,仅采用支持向量机建立所有子序列的预测模型,会导致大量输入的训练数据影响模型预测精度的问题,本文提出使用灰色理论(最少4个数据就能建立模型)和支持向量机分别对小波变换分解后的平稳尺度子序列和不断变化的细节子序列建立预测模型.将该预测模型应用于乌梁素海PH值时间序列预测,通过与传统的支持向量机模型和BP神经网络模型比较,结果表明:本文新的水质预测模型在个别监测点的预测效果存在不足,但是总体预测效果明显优于传统的预测模型,平均相对误差由0.88,降低到0.51.
水质预测 小波变换 灰色理论 支持向量机
刘文 王国胤 宋应文 傅剑宇 利节
中国科学院重庆绿色智能技术研究院数据挖掘与认知中心,重庆400714;重庆邮电大学计算智能重庆市重点实验室,重庆400065 中国科学院重庆绿色智能技术研究院数据挖掘与认知中心,重庆400714
国内会议
哈尔滨
中文
604-609
2013-12-01（万方平台首次上网日期，不代表论文的发表时间）