基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

被引：15

作者：

卢志娟 ^{[1
]}

朱玲 ^{[2
]}

裴洪平 ^{[1
]}

汪勇 ^{[3
]}

机构：

[1] 浙江大学(西溪校区)环境与资源学院环境科学系

[2] 浙江省辐射环境监测站

[3] 浙江省环境保护科学设计研究院

来源：

生态学报 | 2008年 / 10期

关键词：

小波分析; BP神经网络; Chl-a; 短期预测; 杭州西湖;

D O I：

暂无

中图分类号：

X832 [水质监测];

学科分类号：

0804 ; 082803 ;

摘要：

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl-a进行小波分析,将原序列分解成一个低频概貌分量和多个高频细节分量,再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量;模型Ⅱ则对低频部分和高频部分分别进行预测,最后汇总各分网络输出得到最终结果。对确证集预测时,模型Ⅰ的平均误差为4.4%,模型Ⅱ仅为1.9%,且误差范围较模型Ⅰ小,表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测,预测值与实际值的平均相对误差为6.4%,并选取3号点(中山码头)进行模型的泛化,平均相对误差为6.9%,取得了较理想的预测效果,说明小波神经网络能成功预测西湖水体中Chl-a含量的短期变化趋势,为西湖水质管理提供科学依据。

引用

页码：4965 / 4973

页数：9

共 8 条

[1] 洞庭湖水体水质状况及运用小波神经网络对营养状态的评价 [J].

曾光明 ;

卢宏玮 ;

金相灿 ;

徐敏 .

湖南大学学报(自然科学版), 2005, (01) :91-94

[2] 基于小波分析的径向基神经网络年径流预测 [J].

蒋晓辉 ;

刘昌明 .

应用科学学报, 2004, (03) :411-414

[3] 利用BP神经网络方法预测西湖叶绿素a的浓度 [J].

裴洪平 ;

罗妮娜 ;

蒋勇 .

生态学报, 2004, (02) :246-251

[4] 杭州西湖水体中叶绿素a含量与水质的关系 [J].

周宏 .

浙江大学学报(理学版), 2001, (04) :439-442

[5] 基于子波变换序列的人工神经网络组合预测 [J].

李贤彬 ;

丁晶 ;

李后强 .

水利学报, 1999, (02) :3-6+44

[6]

MATLAB小波分析高级技术[M]. 西安电子科技大学出版社 , 桂林,周林,张家祥等编著, 2006

[7]

Dynamic modelling of a shallow freshwater lake for ecological and economic sustainability[J] . Burak Güneralp,Yaman Barlas.Ecological Modelling . 2003 (1)

[8]

Study on the algal dynamic model for West Lake, Hangzhou[J] . Pei Hongping,Ma Jianyi.Ecological Modelling . 2002 (1)

← 1 →