Prophet时序模型在短期水质溶氧预测中的应用

发布时间：2022-01-08 01:37

　　Prophet是Facebook开源的一种时间序列预测模型,擅长处理具有大异常值和趋势变化的日常周期数据。针对Prophet时序模型在短时间数据上预测精度较低的问题,提出了基于Prophet改进的Prophet_SVR模型对未来2 h内溶氧参数进行预测,并利用对比模型在相同数据上进行对比试验。试验结果通过均方根误差(E_RMSE)和平均绝对百分比误差(E_MAPE)进行对比。结果显示:Prophet_SVR模型的试验结果相对于Prophet时序模型E_RMSE下降0.197 1,E_MAPE下降3.890 4%。试验对比可知,Prophet_SVR预测模型在降低预测整体误差和提升单个数值预测精度上效果更优。该方法训练模型的时间更短、效率更高,为短期水质参数预测提供了参考。 

【文章来源】：渔业现代化. 2020,47(03)CSCD

【文章页数】：7 页

【部分图文】：

水质溶氧参数变化曲线图

参数设置:结合文献[23],调整惩罚系数C,以及选用的核函数对应的系数gama这两个参数的取值,以求得模型的最优化。模型中选择RBF作为核函数,通过试验对比,当设置惩罚系数C为7.5,gama系数为1时得到的均方根误差最小为0.255 8,因此设定C为7.5,gama为1。Prophet_SVR模型的结构如图2所示。2)神经网络的优化。将通过Prophet模型得到的训练预测集TP和原始数据的训练集T分别作为神经网络的输入与期望输出,通过进行反向传播训练模型。最后将由Prophet模型得到的预测集P作为训练好的NN模型的输入,得到长度为120的优化预测值集。

水质溶氧预测试验流程图


本文编号：3575647