基于Adaboost算法的水质组合预测方法研究

• 作者: 刘松波 康铎 王小艺 许继平 赵峙尧
• 来源期刊: 计算机测量与控制
• 关键词: 小波去噪 水质预测 神经网络 支持向量机 Adaboost 预测器
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 41-45
• 页数: 5页
• 分类号: TV213.9
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.08.010

摘要

水质预测是水环境污染防治的重要内容,针对传统水质预测方法精度低、收敛速度慢等问题,研究首先选取Symlets和Daubechies小波系作为小波函数,对原始数据进行去噪处理并对比,再结合RBF、Elman神经网络以及支持向量机各自优点,通过不同算法优化3种预测模型,提出基于Adaboost算法将优化后的RBF、Elman神经网络以及支持向量机相结合的组合预测方法;以北海为对象进行仿真实验,验证基于Adaboost的溶解氧组合预测方法的有效性,并分别与单一模型的预测结果进行对比,结果表明该方法相比于传统的单一模型预测精度得到了提高,为水质精准预测提供了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小艺	北京工商大学计算机与信息工程学院	108	815	13.0	24.0
2	许继平	北京工商大学计算机与信息工程学院	78	331	10.0	14.0
3	赵峙尧	北京工商大学计算机与信息工程学院	6	1	1.0	1.0
4	刘松波		8	119	3.0	8.0
5	康铎	北京工商大学计算机与信息工程学院	1	1	1.0	1.0