基于LSSVM-MC和模糊神经网络的综合水质预测

• 作者: 张志远 张晓平 张江林 章磊
• 来源期刊: 江西科学
• 关键词: 最小二乘支持向量机 马尔科夫链 模糊神经网络 综合水质预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 331-334,339
• 页数: 5页
• 分类号: X832
• 语种: 中文
• DOI: 10.13990/j.issn1001-3679.2018.02.026

摘要

水质预测模型可以及时有效的为水质预警提供依据,从而及时采取应对措施.因而研究预测精确以及输出结果简单直观的水质预测模型是个核心问题.最小二乘支持向量机是近年来兴起的一种新型算法,是研究复杂非线性和人工智能等学科的前沿方法,在许多水质预测之中也有所应用,此方法大多应用于单因子预测,缺少对水质的综合解释,本研究通过使用T-S模糊神经网络方法,将LSSVM单因子预测作为输入驱动,水质的综合评价作为输出,较好的解决了单因子对水质状况解释不够的问题,证明了LSSVM的单因子预测可作为T-S模糊神经的输入数据,研究表明LSSVM结合T-S模糊神经网络方法,预测结果基本符合实际水质状况,拟合程度较高,能为水质监测管理提供有效依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓平	东华理工大学测绘工程学院	28	242	7.0	15.0
2	张志远	东华理工大学测绘工程学院	1	0	0.0	0.0
3	章磊	东华理工大学测绘工程学院	1	0	0.0	0.0
4	张江林	东华理工大学测绘工程学院	1	0	0.0	0.0