基于ARIMA与SVM的湘江流域水质预测

发布时间：2020-04-27 17:19

【摘要】：水质评价与水质预测的重要性日益受到重视,已成为环境保护管理工作的重要内容。水质预测分析能够提供目标流域的水质变化趋势,从而使得人们有可能预先采取针对性的措施,消除污染发生,达到保护流域整体水质的目的。因此,水质预测具有十分重要的现实意义。本文利用时间序列分析模型——ARIMA模型结合支持向量回归机构建组合预测模型,对湘江水质参数进行预测,主要工作如下:(1)湘江流域水质参数采集及处理。作者在2015年至2017年间,每周采样1次,共125周,分别从湘江流域永州绿埠头、衡阳归阳镇等7个断面采集了6项水质参数,分别是铅(pb)、砷(As)、pH值、溶解氧(DO)、高锰酸盐指数(CODMn)、总磷(TP)。针对部分水质参数缺失现象,作者运用拉格朗日插值补值方法将缺失数据补全,此方法确保数据均值不变,方差相对偏小,对时间序列预测结果影响较小。(2)基于ARIMA模型的水质参数预测。利用时序图和自相关图判断模型平稳性,选择合适的d值将非平稳性时间序列转化为平稳的时间序列;采用相对量最优法实现ARIMA模型的自动定阶,选择ARMA(p,q),当p和q均小于等于10的所有组合的aic、bic、hqic信息量,取其中aic、bic、hqic信息量达到最小的即为最优模型。(3)基于ARIMA及SVM的组合预测。由于ARIMA模型为线性模型,对非线性数据预测能力有限,因此本文构建了ARIMA与SVM的组合模型,包括并联组合模型和串联组合模型。并联组合模型分别单独计算ARIMA与SVM预测值,然后赋予预测值不同权重,求和后得到并联模型预测值;串联模型以ARIMA模型预测值为SVM的输入,再用SVM进行预测得到结果。试验结果表明:串联模型预测结果优于并联结果。(4)在上述组合预测模型研究基础上,搭建了水质预测的平台。平台能够实现数据导入、查看以及预测功能等基本功能。平台以通过表格和直观的折线图的方式,展现水质数据的变换情况,为将来实现水质数据平台自动化监管打下基础。本文结果表明,基于ARIMA及SVM的串联组合预测模型精度较高,但其有效性和普适性还需要进一步的研究验证。
【学位授予单位】：湖南农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X52

【参考文献】

相关期刊论文 前8条

1 王佳敏;张红燕;;基于ARIMA-SVM组合模型的移动通信用户数预测[J];计算机时代;2014年09期

2 李忠武;赵新娜;谢更新;袁敏;姜燕松;;三峡工程蓄水对洞庭湖水环境质量特征的影响[J];地理研究;2013年11期

3 张立杰;寇纪淞;李敏强;朱新杰;;基于自回归移动平均及支持向量机的中国棉花价格预测[J];统计与决策;2013年06期

4 桑燕芳;王中根;刘昌明;;水文时间序列分析方法研究进展[J];地理科学进展;2013年01期

5 马祥华;;开发建设项目水土保持方案编制中存在的问题[J];中国水土保持;2011年10期

6 苗成林;周宏;;基于灰色模型的水质预测[J];中国农村水利水电;2007年02期

7 宛筝;李晔;汪晓露;刘星;刘秀华;王慧觉;;多元线性回归与灰色联合模型在湖泊水质预测中的应用[J];江苏环境科技;2006年S2期

8 何文杰,王季震,赵洪宾,韩宏大;天津市城市用水量模拟方法的研究[J];给水排水;2001年10期

相关博士学位论文 前2条

1 李拂晓;几类时间序列模型变点监测与检验[D];西北工业大学;2015年

2 刘宝林;松花江流域（吉林省部分）水环境持久性污染物的环境特征[D];吉林大学;2013年

相关硕士学位论文 前10条

1 刘胜;基于ARIMA与SVM组合模型的国内旅游市场预测研究[D];东华理工大学;2017年

2 刘文s，

本文编号：2642463