10.16526/j.cnki.11-4762/tp.2018.08.010
基于Adaboost算法的水质组合预测方法研究
水质预测是水环境污染防治的重要内容,针对传统水质预测方法精度低、收敛速度慢等问题,研究首先选取Symlets和Daubechies小波系作为小波函数,对原始数据进行去噪处理并对比,再结合RBF、Elman神经网络以及支持向量机各自优点,通过不同算法优化3种预测模型,提出基于Adaboost算法将优化后的RBF、Elman神经网络以及支持向量机相结合的组合预测方法;以北海为对象进行仿真实验,验证基于Adaboost的溶解氧组合预测方法的有效性,并分别与单一模型的预测结果进行对比,结果表明该方法相比于传统的单一模型预测精度得到了提高,为水质精准预测提供了一种新思路.
小波去噪、水质预测、神经网络、支持向量机、Adaboost、预测器
26
TV213.9
国家水体污染控制与治理重大专项2017ZX07104002;国家自然科学基金61703008;北京市教委科技计划重点项目KZ201510011011;北京市市属高校创新能力提升计划项目PXM2014_014213_000033
2018-09-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
41-45