水环境非线性时序预测的高精度RBF网络模型

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。