毛静
- 作品数:2 被引量:18H指数:2
- 供职机构:宁波工程学院更多>>
- 相关领域:环境科学与工程更多>>
- 基于限定记忆模式的GM-RBF水质在线软测量技术研究被引量:5
- 2017年
- 针对现阶段水质监测中存在的水质变化响应滞后问题,提出一种限定记忆模式的GM-RBF水质在线软测量技术。该技术以软测量的基本思想为基础,通过引入基于记忆代数的代谢因子,变一维水质指标变量为多维"辅助变量"和"主导变量",并嵌入限定记忆控制项来防止陈旧信息引起的数据饱和,从而构建出动态建模数据集,最后利用GM-RBF组合模型实现了水质指标参数的多维非线性在线测量。实例验证中成功地对太湖流域沙渚断面水质进行了在线仿真测量,得出该断面水质在2015年呈现出先下降、再上下波动、后急速上升的变化趋势,其预测结果与实际情况基本相符;限定记忆模式下的GM-RBF水质在线软测量组合模型的预测误差MAE、MAPE、RMSE和RRMSE分别为0.203 7、0.020 5、0.251 1和0.033 9,与单一GM模型和RBF模型相比,该组合模型体现出离散性小、变化趋势与实测数据高度吻合的特点,兼具了GM模型和RBF模型的双重特性,且非线性拟合能力和泛化性能都得到了大大的提高。
- 周鑫隆董贺沈楠毛静翟伟孟雅丹
- 关键词:限定记忆水质预测
- 结合灰色理论的人工神经网络方法在水质预测中的应用被引量:13
- 2020年
- 针对现阶段水质监测中存在的水质变化响应滞后问题,提出了采用灰色预测法、人工神经网络(BP神经网络、径向基神经网络、广义回归神经网络)以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测断面为例,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。结果表明,对年内预测,通过广义回归神经网络的动态预测值平均相对误差为0.61%,后验差检验比值小于0.65,小误差概率大于0.7;采用灰色结合广义回归神经网络的方法对水质pH值进行预测,平均相对误差仅有0.85%,后验差检验比值小于0.65,小误差概率等于1。研究结果还表明,对年际预测,灰色结合BP神经网络和灰色结合径向基函数神经网络的动态预测值平均相对误差分别为0.57%和0.80%,其后验差比值都小于0.5,小概率误差都为0.9,大于0.8。
- 翟伟毛静孟雅丹邬雯雅张程博周鑫隆高巍
- 关键词:径向基函数神经网络广义回归神经网络水质预测