文章提供了一種針對非等間距隨機(jī)振蕩序列的水質(zhì)參數(shù)灰色預(yù)測模型。在考慮了傳統(tǒng)的隨機(jī)振蕩序列灰色預(yù)測模型能夠很好地?cái)M合與預(yù)測等間距隨機(jī)振蕩序列的基礎(chǔ)上,引入了非等間距變換和等間隔逆變換方法,建立了非等間距隨機(jī)振蕩序列灰色預(yù)測模型,討論了非等間距變換和等間隔逆變換對水質(zhì)參數(shù)的擬合與預(yù)測的影響關(guān)系。通過對實(shí)際數(shù)據(jù)的擬合與預(yù)測,所提出的非等間距隨機(jī)振蕩序列水質(zhì)參數(shù)預(yù)測模型能夠有效地對水質(zhì)參數(shù)擬合與預(yù)測,解決了現(xiàn)有水質(zhì)參數(shù)預(yù)測方法的不足。 

【文章來源】：中國管理信息化. 2020,23(09)

【文章頁數(shù)】：5 頁

【部分圖文】：

非等間距隨機(jī)振蕩序列水質(zhì)參數(shù)預(yù)測模型建模流程圖

基于提出的NEROGM(1,1）模型，設(shè)計(jì)了一個水質(zhì)參數(shù)預(yù)測系統(tǒng)。如圖2(1）所示，河中有三個監(jiān)測點(diǎn)。水質(zhì)預(yù)測系統(tǒng)由監(jiān)控PC、S7-200 SMART PLC和測量傳感器組成，如圖2(2）所示。水質(zhì)參數(shù)可以通過測量傳感器測量，如pH、溶解氧（DO）、H2S、CH4等。為了方便多點(diǎn)測量，水質(zhì)參數(shù)檢測傳感器安裝在一個離線儀器中。水質(zhì)參數(shù)可通過無線網(wǎng)絡(luò)傳輸至S7-200 SMART PLC，并由監(jiān)控計(jì)算機(jī)進(jìn)行監(jiān)控。由于水質(zhì)參數(shù)是離線檢測的，所提出的NEROGM(1,1）可以利用離線測量數(shù)據(jù)對河流的水質(zhì)參數(shù)進(jìn)行預(yù)測。2.2 實(shí)驗(yàn)結(jié)果與分析

研究工作采用2018年離線儀器測量的pH、溶解氧（DO）等參數(shù)，如表1所示。表1顯示了5月16日至10月14日的9天數(shù)據(jù)。通過非等距序列變換，可以得到pH和DO的新的等距序列，如表1所示。如圖3(1）、圖3(2）所示，分別給出pH和DO的非等間距序列和等距序列。無論哪個參數(shù)，由非等間距序列變換得到的pH和DO等間距序列均可視為隨機(jī)振蕩序列。對于等間距序列，由式（9）可得ROGM(1,1）的模型值，由式（11）可分別計(jì)算NEROGM(1,1）的模型值，如表2所示。原始序列與模型值之間的絕對誤差和相對誤差都很小。NEROGM(1,1）對pH值的平均相對誤差在1%～5%之間，準(zhǔn)確度接近1級。NEROGM(1,1）對DO的平均相對誤差小于1%，精度等級為1級。這些數(shù)據(jù)表明，所提出的NEROGM(1,1）在水質(zhì)擬合中是有效和可行的。如圖3(3）、圖3(4）所示，NEROGM(1,1）的擬合值可以很好地逼近原始序列，而NEROGM(1,1）的實(shí)際值與預(yù)測值之間的絕對誤差和相對誤差相對較大。NEROGM(1,1）對pH和DO的預(yù)測值分別列于表3。NEROGM(1,1）對pH和DO的平均相對誤差都在5%到10%之間，準(zhǔn)確度接近2級。利用原序列擬合原序列，對已知的原序列擬合效果較好。然而，使用原始序列預(yù)測數(shù)據(jù)，會有一些誤差。雖然預(yù)測過程中存在一些誤差，但NEROGM(1,1）的平均相對誤差均小于20%，可以作為預(yù)測模型對水質(zhì)參數(shù)進(jìn)行預(yù)測。這些數(shù)據(jù)表明，所提出的NEROGM(1,1）在水質(zhì)預(yù)測中也是有效和可行的。3 結(jié)論

【參考文獻(xiàn)】：
期刊論文
[1]灰色系統(tǒng)動態(tài)模型群GM（1,1）在秦淮河水質(zhì)預(yù)測中的應(yīng)用[J]. 胡祉冰,逄勇,宋為威,邵詠絮.  四川環(huán)境. 2019(01)
[2]基于逐步聚類分析的水庫浮游藻類生長預(yù)測[J]. 常淳,馮平,孫冬梅,張凱.  中國環(huán)境科學(xué). 2015(09)



本文編號：3304409