结合鲸鱼算法与ARMA的水压预测模型研究

发布时间：2021-11-21 17:36

　　各项数据表明由于对消防设备数据的监测与管理不当,导致社区火灾发生时消防水压系统处于雍疾状况而不能运行的情况频发,因此针对ARMA模型阶数难以精准确定的局限,提出并建立通过鲸鱼优化算法改进的ARMA消防水压预测模型,提高消防水压预测模型的精准度。ARMA模型有着相对较高的灵活性与精准度,且不依赖于过多的数据累计,结果表明,通过与鲸鱼优化算法（WOA）相结合,预测的准确性与稳定性进一步提高,此方法使得社区消防水压监测质量得到改善。 

【文章来源】：现代电子技术. 2020,43(19)北大核心

【文章页数】：4 页

【部分图文】：

图1 时间段内社区水压数据

经过对差分后的平稳样本序列U的自相关与偏相关函数检验后，根据图像的拖尾型便可判断模型成立，由AIC准则大致判断ARMA模型的阶数[6-7]。使用AIC准则来估计模型阶数的一般步骤为：

经仿真计算后，得到优化目标阶数为(24,5)，将其代入ARMA模型后产生预测数据并与原模型预测数据对比。分别通过原有AIC准则模型和基于鲸鱼算法优化阶数的预测模型对未来时间内100条水压进行预测，并且与实际的节点数据值相对比，分析数据得到原模型预测值的相对误差为4.19%，改进后的模型预测值的相对误差为3.31%，且预测走势更为契合，数据如图4～图6所示。图4 真实的测量数据

【参考文献】：
期刊论文
[1]基于Spatial AIC准则的空间自回归模型变量选择研究[J]. 王周伟,陶志鹏,张元庆.  数理统计与管理. 2019(01)
[2]一种改进的鲸鱼优化算法[J]. 张永,陈锋.  计算机工程. 2018(03)
[3]一种智慧消防云共性基础平台的建设[J]. 辛本顺.  消防技术与产品信息. 2017(12)
[4]鲸鱼优化算法在水库优化调度中的应用[J]. 崔东文.  水利水电科技进展. 2017(03)

硕士论文
[1]基于物联网的消防监测及决策系统的研究[D]. 徐飞翔.华东理工大学 2017
[2]基于BIM的可视化消防设备信息监管研究[D]. 林天扬.北京建筑大学 2016



本文编号：3509941