用户名: 密码: 验证码:
改进的GM(1,1)残差修正模型在水质预测中的应用
详细信息    查看官网全文
摘要
将GM(1,1)灰色模型和改进的GM(1,1)残差修正模型应用于淮河流域鹿邑东孙营闸测站的水质预测中,分别对高锰酸盐指数和氨氮浓度进行拟合预测。结果表明,传统的GM(1,1)灰色模型在高锰酸盐指数上的拟合与预测精度较高,而改进的GM(1,1)残差修正模型在氨氮浓度的预测上要优于传统的GM(1,1)模型,能够更加精确地对水质未来情况进行预测。
引文
[1]张颖,高倩倩.基于灰色模型和模糊神经网络的综合水质预测模型研究[J].环境工程学报,2015(2):537-545.
    [2]石月.基于时间序列分析的松花江流域水质预测[D].哈尔滨师范大学硕士学位论文,2015.
    [3]向娜.基于神经网络和人工蜂群算法的水质评价和预测研究[D].华南理工大学硕士学位论文,2015.
    [4]THOE W,WONG S H C,CHOI K W,et al.Daily prediction of marine beach water quality in Hong Kong[J].Journal of Hydro-environment Research,2012(3):164-180.
    [5]张青,王学雷,等.基于BP神经网络的洪湖水指标预测研究[J].湿地科学,2016(2):212-218.
    [6]刘思峰,方志耕,等.灰色系统理论及其应用(第五版)[M].北京:科学出版社,2010.
    [7]孙丽芹,常安定,等.基于AM残差修正的GM(1,1)模型的用水量预测[J].统计与决策,2016(17):79‐82.
    [8]李杨,吉龙江,等.灰色模型在岩溶地下水水质预测中的应用研究[J].环境监测管理与技术,2016(3):20‐23.

© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号

地址:北京市海淀区学院路29号 邮编:100083

电话:办公室:(+86 10)66554848;文献借阅、咨询服务、科技查新:66554700