结合时间序列分解和神经网络的河流溶解氧预测

• 作者: 卢毅敏 张红
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 河流溶解氧 预测模型 CEEMDAN 样本熵 布谷鸟搜索算法 Elman神经网络
• 年，卷（期）: 2020,（5）
• 页码范围: 659-666
• 页数: 8页
• 分类号: TP183|X832
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.202001027

摘要

为克服小流域数据资料少,河流溶解氧的非平稳特性及动态变化造成的预测困难,提出结合具有自适应噪声的完整集成经验模态分解(CEEMDAN)和Elman动态神经网络的预测方法.使用CEEMDAN方法对原始溶解氧时序数据进行平稳化处理及降噪,提取溶解氧随时间变化的波动特征、周期特征,以及长期趋势,通过计算样本熵(SE)值,将相似的特征序列合并,以减小误差累积,对合并后的新序列分别采用布谷鸟搜索(CS)算法优化的Elman模型进行预测,将各预测值叠加,得到最终预测结果.实验结果表明:CEEMDAN-SE-CS-Elman方法平均绝对误差(EMA)为0.14;平均绝对百分误差(EMPA)为2.07％;均方根误差(ERMS)为0.24;可决系数(R2)达到0.9516,精度较其他时间序列预测模型有所提高.