RBF神经网络在河流营养盐预测中的应用

摘要：

根据已监测到的水质数据进行预测一直是河流水质管理的重要组成部分,其中河流营养盐浓度是影响水质的根本因素.文中研究RBF神经网络在河流营养盐浓度预测中的适用性,并与传统的时间序列预测模型:ARIMA进行比较.以朱衣河为研究对象,对河流营养盐主要成分之一的磷酸盐浓度进行预测.通过采集到的时间序列数据对两种预测模型进行仿真,并通过平均误差和均方误差的比较,证明基于RBF神经网络的时间序列预测模型具有较强的预测精度和良好的推广价值能力,在河流营养盐预测中有较高的实用性.

关键词：RBF神经网络、营养盐浓度、磷酸盐浓度预测、ARIMA、仿真模型、误差分析

所属期刊栏目：42

分类号：TN711-34;TP39(基本电子电路)

资助基金：国家自然科学基金:三峡水库典型支流库湾不同水团水交换特征的定量标识及其动力学模拟51509066;云计算中分布式Jobtracker节点模型的建立与优化F2015402077;基于复杂网络的空气质量动态分析和预测方法研究QN2018073

在线出版日期：2019-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：156-159,163