期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数据分解与NARX优化的滇池COD_(Mn)时间序列预测
1
作者
王永顺
崔东文
《人民珠江》
2024年第7期92-100,共9页
高锰酸盐指数(COD_(Mn))是衡量水体受还原性物质污染程度的重要指标之一。为提高COD_(Mn)预测精度,结合小波包变换(WPT)、成功历史智能优化(SHIO)算法和非线性自回归神经网络(NARX),提出WPT-SHIO-NARX COD_(Mn)时间序列预测模型。首先利...
高锰酸盐指数(COD_(Mn))是衡量水体受还原性物质污染程度的重要指标之一。为提高COD_(Mn)预测精度,结合小波包变换(WPT)、成功历史智能优化(SHIO)算法和非线性自回归神经网络(NARX),提出WPT-SHIO-NARX COD_(Mn)时间序列预测模型。首先利用WPT将COD_(Mn)时间序列分解为1个周期项分量和3个波动项分量;然后简要介绍SHIO原理,利用SHIO对NARX输入延时阶数等超参数进行调优;最后基于调优获得的超参数建立WPT-SHIO-NARX模型对COD_(Mn)周期项及波动项分量进行预测,重构后得到最终预测结果,并构建WPT-粒子群优化算法(PSO)-NARX、WPT-遗传算法(GA)-NARX、WPT-NARX、SHIO-NARX、WPT-SHIO-极限学习机(ELM)、WPT-SHIO-BP神经网络模型作对比分析,并以滇池西苑隧道断面、观音山断面2004—2015年逐周COD_(Mn)监测数据对各模型进行验证。结果表明:WPT-SHIO-NARX模型具有较好的预测性能,西苑隧道、观音山在未来1周、未来2周(半月)COD_(Mn)预测的平均绝对百分比误差MAPE分别为0.108%和0.045%、0.151%和0.165%,对未来4周(1月)COD_(Mn)预测的MAPE分别为1.383%、0.809%,对未来8周(2月)COD_(Mn)预测的MAPE分别为6.180%、4.573%,预测精度优于其他对比模型;WPT能将COD_(Mn)时序数据分解为更具规律的子序列分量,提高模型预测精度;SHIO能有效优化NARX超参数,显著提升NARX性能,优化效果优于GA、PSO;NARX网络具有延时和反馈机制,更适用于时间序列预测,其预测效果优于ELM、BP网络。
展开更多
关键词
COD_(Mn)预测
非线性自回归神经网络
成功历史智能优化算法
小波包变换
滇池
在线阅读
下载PDF
职称材料
题名
基于数据分解与NARX优化的滇池COD_(Mn)时间序列预测
1
作者
王永顺
崔东文
机构
云南省水文水资源局文山分局
云南省文山州水务局
出处
《人民珠江》
2024年第7期92-100,共9页
基金
云南省创新团队建设专项(2018HC024)
云南重点研发计划(科技入滇专项)
国家澜湄合作基金项目(2018-1177-02)。
文摘
高锰酸盐指数(COD_(Mn))是衡量水体受还原性物质污染程度的重要指标之一。为提高COD_(Mn)预测精度,结合小波包变换(WPT)、成功历史智能优化(SHIO)算法和非线性自回归神经网络(NARX),提出WPT-SHIO-NARX COD_(Mn)时间序列预测模型。首先利用WPT将COD_(Mn)时间序列分解为1个周期项分量和3个波动项分量;然后简要介绍SHIO原理,利用SHIO对NARX输入延时阶数等超参数进行调优;最后基于调优获得的超参数建立WPT-SHIO-NARX模型对COD_(Mn)周期项及波动项分量进行预测,重构后得到最终预测结果,并构建WPT-粒子群优化算法(PSO)-NARX、WPT-遗传算法(GA)-NARX、WPT-NARX、SHIO-NARX、WPT-SHIO-极限学习机(ELM)、WPT-SHIO-BP神经网络模型作对比分析,并以滇池西苑隧道断面、观音山断面2004—2015年逐周COD_(Mn)监测数据对各模型进行验证。结果表明:WPT-SHIO-NARX模型具有较好的预测性能,西苑隧道、观音山在未来1周、未来2周(半月)COD_(Mn)预测的平均绝对百分比误差MAPE分别为0.108%和0.045%、0.151%和0.165%,对未来4周(1月)COD_(Mn)预测的MAPE分别为1.383%、0.809%,对未来8周(2月)COD_(Mn)预测的MAPE分别为6.180%、4.573%,预测精度优于其他对比模型;WPT能将COD_(Mn)时序数据分解为更具规律的子序列分量,提高模型预测精度;SHIO能有效优化NARX超参数,显著提升NARX性能,优化效果优于GA、PSO;NARX网络具有延时和反馈机制,更适用于时间序列预测,其预测效果优于ELM、BP网络。
关键词
COD_(Mn)预测
非线性自回归神经网络
成功历史智能优化算法
小波包变换
滇池
Keywords
COD_(Mn)forecast
nonlinear autoregressive neural network
success history intelligent optimization algorithm
wavelet packet transform
Dianchi Lake
分类号
TV211.1 [水利工程—水文学及水资源]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数据分解与NARX优化的滇池COD_(Mn)时间序列预测
王永顺
崔东文
《人民珠江》
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
