灰色理论在龙江突发镉污染水质预测中的应用

利用灰色预测理论,建立了龙江突发水污染水质变化趋势的GM(1,1)预测模型,而后对模型进行残差修正。结果表明:经残差修正后的GM(1,1)模型更为合理,预测精度明显提高。本研究中灰色理论能够有效地对突发性水污染事故中的水质变化趋势进行短期预测,为相关部门及时采取相应的应急措施提供参考,减小事故风险。     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型.该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列.运用该模型对南四湖2019-2021年的水质状况和水质演变趋势进行预测,结果表明:灰色马尔科夫模型的相对误差小、精度高、预测结果合理...     

基于灰色残差模型的灌区地下水最小埋深预测

建立灰色GM(1,1)主模型,然后进行残差修正,从而形成灰色残差模型,并对宝鸡峡灌区周城—苏坊洼地地下水最小埋深进行了预测.结果表明:根据前12 a观测数据建立模型,预测的第13 a地下水最小埋深为3.64m,与实际值相比较,相对误差为4.21％;与单一采用灰色模型GM(1,1)相比,灰色残差模型克服了因数据序列不稳定而带来的误差,可提高灌区地下水最小埋深预测精度.     

改进GM(1,1)模型在两坝间水质预测中的应用

为提高GM(1,1)模型的精度,采用具有残差校正的n次累加的改进方法,解决模型中非单调的摆动序列数据波动大,随机性强的问题.经在长江三峡大坝与葛洲坝两坝之间水质预测应用,针对长江三峡与葛洲坝河段河流水环境特点,采用了常规的水环境水质3项主要污染物指标NH3-N、CODmn、TP全年度监测数据进行了验证、检验.验证结果证明,改进后的模型平均误差比原GM(1,1)模型减小了9.7%,精度提高10%左右,预测曲线与实测曲线吻合度好,后验差概率P=1,大于0.95～0.97,残差比C为0.102～0.210,小于0.350,综合评定精度为Ⅰ级,表明采用残差校正处理技术的灰色模型在水质预测中具有较好的实用性和开发前景.     

基于指数平滑-灰色模型的昆承湖水质预测研究

地表水环境质量发展趋势预测是管理当前水环境状况的重要依据,对水环境规划、评价和管理具有重要的参考意义。利用2012—2021年昆承湖湖心断面总磷水质数据,构建指数平滑法-灰色预测GM(1,1)模型。研究发现：经平滑处理后,模型可以过滤掉数据中一些短期不规则的变化,即水质小范围的波动,降低水质数据的随机性,使数据更利于体现整体趋势。模型输出值(模拟值)与原始序列(平滑值)拟合较好。在模型检验通过的基础上,对制约断面达到Ⅲ类水标准的总磷进行预测,研究发现湖心断面“十四五”期间达到湖泊Ⅲ类水标准还有进一步提升的空间。需继续紧盯断面水质达标问题,持续加大治理和生态修复力度。     

灰色模型在城市用水量预测中的应用

城市年用水量为城市建设规划以及供水管网改扩建提供依据.我国城市年用水量序列特点是记录时间短,记录数据少.针对我国城市年用水量数据序列的这种特点对其进行分析研究,利用灰色系统理论,建立预测年用水量GM(1,1)模型,并以湖州市年用水量数据为原始数据进行了实际预测,取得了较好的预测效果.     

基于灰色组合模型的参考作物腾发量预测

参考作物腾发量 (ET0)是制定灌溉用水计划、水量分配计划的最基本、最重要内容之一,其精确预测可以提高灌溉预报的精度.针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的组合模型,并将其应用于鞍山地区参考作物腾发量预测中.预测结果表明,该方法具有较高的预测精度,同时也指出了其存在的不足之处,有待今后加以解决,以进一步提高其预测的稳定性.     

RBF与GRNN神经网络模型在城市需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5％以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型.     

基于灰色系统模型的北京市需水量预测分析

该文在对城市需水量预测方法进行对比分析的基础上,结合城市需水量预测工作的特点和要求,引进灰色系统理论,利用北京市2002-2011年历年的年用水量数据,对总用水量、生活用水、农业用水、工业用水分别建立相应的灰色GM(1,1)模型,模型的精度检验效果较好。需水量预测结果表明,2012-2020年的各类需水量预测结果与未来的规划目标和产业发展趋势保持一致,预测结果可为水资源规划提供科学依据。     

基于灰色模型的白龙江灾害性洪水预测

白龙江为嘉陵江上游最大一条支流,汛期洪水由暴雨形成.在河流梯级开发情况下,白龙江流域洪水的产生频次及灾害程度都与天然状态有较大差异,文章利用灰色GM(1,1)模型对流域可能产生的洪水进行预测并分析研究了洪水发生的规律性.     

LM—BP神经网络在于桥水库水质预测中的应用

利用BP神经网络的改进算法（L-M）,通过对大量样本进行多次的训练学习,建立于桥水库水质预痢模型,用该模型对于桥水库高锰酸盐指数、五日生化需氧量、氨氮、溶解氧等污染指标进行了预测,预测结果表明,LM—BP神经网络模型用在于桥水库水质预测时是可行的,可以得到较为理想的的精度和可靠度。     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

改进的 GM（1，1）模型在工业需水量预测中的应用

灰色系统模型在贫信息、小样本的非线性系统建模中具有明显优势,适合对时间序列较短时的需水量进行预测。该文针对基本灰色预测模型背景值构造不合理及未充分利用新信息的缺点,采用重构背景值和等维递补原理对基本GM（1,1）模型进行改进,并利用改进模型对惠州市工业需水量进行拟合和预测,结果表明,改进模型预测精度更高,可作为城市需水量预测的一种方法。     

灰色季节性指数模型与神经网络模型在蒸发预测中的应用

在原GM(1,l)模型基础上采用滑动平均法进行季节因素修正,建立了灰色季节性指数模型,并将该模型与神经网络模型运用在海拉尔市季蒸发量预测中。计算结果表明,修正后的模型与神经网络模型在拟合既含趋势变动,又含季节因素的时间序列预测中,比普通GM(1,1)模型具有更好的适应性,具有较好的效果。     

人工神经网络在水质预测中的应用研究

选取水质指标之一的溶解氧DO作为测算因素,研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明:3种不同学习算法的预测效果均较理想,其中以L-M法预测结果最为精确,人工神经网络在水质预测方面有着良好的应用前景和推广价值。     

耦合动态方程的神经网络模型在水质预测中的应用

水质变化趋势的有效预测对于水资源综合管理具有重要意义。针对现有数据驱动模型不能有效反映研究对象物理机理的问题,提出了一种耦合动态方程的神经网络模型,并给出了动态方程的耦合方法。分别从数值算例和实际案例2个方面对传统网络模型和机理先验前馈网络模型进行了对比计算分析,拟合程度指标和计算误差指标都表明机理性先验知识的加入可以提高网络模型的预测精度和非线性拟合能力。同时,该模型在水质预测中具有适用性和合理性。在样本数量一定的情况下,机理性先验知识的耦合是进一步提高网络计算精度的有效途径。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

小波神经网络在径流预测中的应用

将小波分析与传统的BP神经网络模型进行组合,提出了一种新的径流中长期预测方法。该方法对年径流序列进行Mallat小波分解,将分解后得到的不同尺度下的低频成分和高频成分分别进行Mallat算法重构,对重构系列采用BP神经网络模型进行预测。采用黄河三门峡站1470-2002年的年径流资料进行模型的预测和检验,并与传统的BP神经网络模型进行比较,研究结果表明小波神经网络在径流预测中具有较好的预报精度,可以成功地用于径流模拟和预测。     

基于BP神经网络在白洋淀水质综合评价中的应用

选用2012年为现状年,应用BP神经网络建立白洋淀水质综合评价模型,用训练好的BP神经网络模型对白洋淀各监测断面的水质现状进行类别评价。结果显示,与单因素评价法相比,BP神经网络法是一种更加客观、有效和实用的环境质量评价方法。     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。