数据分解技术与若干智能算法优化的高斯过程回归总氮预测

• 作者: 王永顺 崔东文
• 来源期刊: 人民珠江
• 关键词: TN预测 高斯过程回归 鱼鹰优化算法 雾凇优化算法 秃鹰搜索算法 黑寡妇优化算法 经验小波变换 小波包变换 暮底河水库
• 年，卷（期）: 2024,（11）
• 所属期刊栏目: 综合
• 页码范围: 107-116
• 页数: 10页
• 语种: 中文

摘要

总氮(TN)是反映水体污染程度和衡量湖库营养化状态的重要指标之一。为提高TN预测精度，基于经验小波变换(EWT)、小波包变换(WPT)分解技术，分别提出鱼鹰优化算法(OOA)、雾凇优化算法(ROA)、秃鹰搜索(BES)算法、黑寡妇优化算法(BWOA)优化的高斯过程回归(GPR)预测模型。首先分别利用EWT、WPT将TN时间序列分解为若干更具规律的子序列分量；然后简要介绍OOA、ROA、BES、BWOA算法原理，利用OOA、ROA、BES、BWOA优化GPR超参数；最后利用优化获得的最佳超参数建立EWT-OOA-GPR、EWT-ROA-GPR、EWT-BES-GPR、EWT-BWOA-GPR、WPT-OOA-GPR、WPT-ROA-GPR、WPT-BES-GPR、WPT-BWOA-GPR模型(简称EWT-OOA-GPR等8种模型)对TN各分量进行预测，重构后得到最终预测结果，并构建基于小波变换(WT)的WT-OOA-GPR、WT-ROA-GPR、WT-BES-GPR、WT-BWOA-GPR模型，基于支持向量机(SVM)的EWT-OOA-SVM等8种模型，未经优化的EWT-GPR、WPT-GPR模型和未经分解的OOA-GPR、ROA-GPR、BES-GPR、BWOA-GPR模型作对比分析，通过全国重要饮用水水源地暮底河水库2008—2022年月监测TN浓度时序数据对各模型进行验证。结果表明：(1)EWT-OOA-GPR等8种模型对TN预测的平均绝对百分比误差在0.161%～0.219%,决定系数均为0.999 9,优于其他对比模型，具有更高的预测精度和更好的泛化能力；(2)EWT兼顾WT、EMD优势，WPT能同时分解低频、高频信号，二者均可将TN时序数据分解为更具规律的模态分量，显著提高模型预测精度，分解效果均优于WT方法；(3)OOA、ROA、BES、BWOA能有效优化GPR超参数，提高GPR预测性能。