- 相關推薦
基于遺傳算法的地下水位動態(tài)預測雙線性模型
地下水位是指地下水面相對于基準面的高程。通常以絕對標高計算。以下是小編幫大家整理的基于遺傳算法的地下水位動態(tài)預測雙線性模型，歡迎大家分享。
水是人類社會生產生活必不可少的資源，水資源相關的環(huán)境保護與循環(huán)利用至關重要。隨著社會的進步，水體污染對社會的影響也日益明顯，水體被排入大量污染物，對人類的日常生活造成極大的威脅。而水質預測可以為有關部門的干預決策提供重要參考。在許多工業(yè)場景中，水質預測也具有重要意義。例如在污水處理工藝中，如果可以通過水質預測提前預知突發(fā)的水質超標情況，就能夠為工程人員提供預警，預留時間人為干預，保證污水處理出廠水質達標。
水質預測主要有如下幾種預測方法：通過構建物理模型的方法，灰色系統(tǒng)預測法，神經網絡預測法，模糊理論預測法，以及數(shù)理統(tǒng)計預測法等。
顏劍波等人通過分析水質變量之間的規(guī)律，建立多元回歸模型，對三門峽斷面水質進行了預測。劉東君等人結合灰色系統(tǒng)預測法與神經網絡，對北京密云水庫的溶解氧進行了預測，通過將混合模型分別于2個原型方法作比較，表明混合模型相比2個原型方法，預測結果更為精確和穩(wěn)定。姜云超等人綜合運用BP,SOM與模糊綜合評價法對黃河水質進行了評價，取得了較理想的結果。榮潔等人提出指數(shù)平滑法-馬爾科夫預測模型，將平滑處理后的數(shù)據通過馬爾科夫預測模型對合肥湖濱與巢湖裕溪口2個斷面的CODMn、TP、TN濃度進行了預測。RederK等人使用人工神經網絡模型預測水質變化，證實了神經網絡模型是被用于水質預測的可行性。AlizadehMJ和KavianpourMR使用小波神經網絡對太平洋希洛灣地區(qū)的水質進行了預測，證明了小波神經網絡模型相對于其他神經網絡模型的優(yōu)越性。AzimiS等人結合神經網絡與改進的模糊聚類技術來預測了水質惡化的概率。
文獻中雖然對水質預測方面作了深入的研究，但并未針對原始數(shù)據的各項特征對預測任務的影響權重進行評估，而在輸入預測模型的數(shù)據維度比較多時，對預測任務貢獻比較小的特征會干擾預測模型，降低預測模型的性能。因此使用遺傳算法來調整各特征維度的權重，使其符合預測模型的特性，提高了預測模型的預測精度，為水質預測提供了一種有價值的解決方案。
【基于遺傳算法的地下水位動態(tài)預測雙線性模型】相關文章：
基于遺傳算法的門限自回歸模型在淺層地下水位預測中的應用12-13
基于標識指數(shù)法的水質灰色動態(tài)模型群預測分析12-14
基于動態(tài)褶積模型的動態(tài)子波估計12-13
基于ARMA模型的年雨量預測12-08
基于混沌算法的自適應預測模型12-07