發(fā)布時間：2020-04-27 17:19

【摘要】：水質評價與水質預測的重要性日益受到重視,已成為環(huán)境保護管理工作的重要內容。水質預測分析能夠提供目標流域的水質變化趨勢,從而使得人們有可能預先采取針對性的措施,消除污染發(fā)生,達到保護流域整體水質的目的。因此,水質預測具有十分重要的現實意義。本文利用時間序列分析模型——ARIMA模型結合支持向量回歸機構建組合預測模型,對湘江水質參數進行預測,主要工作如下:(1)湘江流域水質參數采集及處理。作者在2015年至2017年間,每周采樣1次,共125周,分別從湘江流域永州綠埠頭、衡陽歸陽鎮(zhèn)等7個斷面采集了6項水質參數,分別是鉛(pb)、砷(As)、pH值、溶解氧(DO)、高錳酸鹽指數(CODMn)、總磷(TP)。針對部分水質參數缺失現象,作者運用拉格朗日插值補值方法將缺失數據補全,此方法確保數據均值不變,方差相對偏小,對時間序列預測結果影響較小。(2)基于ARIMA模型的水質參數預測。利用時序圖和自相關圖判斷模型平穩(wěn)性,選擇合適的d值將非平穩(wěn)性時間序列轉化為平穩(wěn)的時間序列;采用相對量最優(yōu)法實現ARIMA模型的自動定階,選擇ARMA(p,q),當p和q均小于等于10的所有組合的aic、bic、hqic信息量,取其中aic、bic、hqic信息量達到最小的即為最優(yōu)模型。(3)基于ARIMA及SVM的組合預測。由于ARIMA模型為線性模型,對非線性數據預測能力有限,因此本文構建了ARIMA與SVM的組合模型,包括并聯組合模型和串聯組合模型。并聯組合模型分別單獨計算ARIMA與SVM預測值,然后賦予預測值不同權重,求和后得到并聯模型預測值;串聯模型以ARIMA模型預測值為SVM的輸入,再用SVM進行預測得到結果。試驗結果表明:串聯模型預測結果優(yōu)于并聯結果。(4)在上述組合預測模型研究基礎上,搭建了水質預測的平臺。平臺能夠實現數據導入、查看以及預測功能等基本功能。平臺以通過表格和直觀的折線圖的方式,展現水質數據的變換情況,為將來實現水質數據平臺自動化監(jiān)管打下基礎。本文結果表明,基于ARIMA及SVM的串聯組合預測模型精度較高,但其有效性和普適性還需要進一步的研究驗證。
【學位授予單位】：湖南農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：X52

【參考文獻】

相關期刊論文 前8條

1 王佳敏;張紅燕;;基于ARIMA-SVM組合模型的移動通信用戶數預測[J];計算機時代;2014年09期

2 李忠武;趙新娜;謝更新;袁敏;姜燕松;;三峽工程蓄水對洞庭湖水環(huán)境質量特征的影響[J];地理研究;2013年11期

3 張立杰;寇紀淞;李敏強;朱新杰;;基于自回歸移動平均及支持向量機的中國棉花價格預測[J];統計與決策;2013年06期

4 桑燕芳;王中根;劉昌明;;水文時間序列分析方法研究進展[J];地理科學進展;2013年01期

5 馬祥華;;開發(fā)建設項目水土保持方案編制中存在的問題[J];中國水土保持;2011年10期

6 苗成林;周宏;;基于灰色模型的水質預測[J];中國農村水利水電;2007年02期

7 宛箏;李曄;汪曉露;劉星;劉秀華;王慧覺;;多元線性回歸與灰色聯合模型在湖泊水質預測中的應用[J];江蘇環(huán)境科技;2006年S2期

8 何文杰,王季震,趙洪賓,韓宏大;天津市城市用水量模擬方法的研究[J];給水排水;2001年10期

相關博士學位論文 前2條

1 李拂曉;幾類時間序列模型變點監(jiān)測與檢驗[D];西北工業(yè)大學;2015年

2 劉寶林;松花江流域（吉林省部分）水環(huán)境持久性污染物的環(huán)境特征[D];吉林大學;2013年

相關碩士學位論文 前10條

1 劉勝;基于ARIMA與SVM組合模型的國內旅游市場預測研究[D];東華理工大學;2017年

2 劉文s，

本文編號：2642463