一种用于矿泉的水质预测方法技术
【技术实现步骤摘要】
一种用于矿泉的水质预测方法
本专利技术涉及水质预测方法。
技术介绍
针对水质的预测，国内外水质模拟已经取得了很大进展，但也存在着许多有待于进一步研究的问题。近年来，国内推广了邓聚龙教授创立的灰色系统理论，其中的GM(1，1)模型是灰色系统理论常用的预测模型，也是灰色系统理论应用中的重要内容，在水质预测中的到了广泛的应用，解决了许多一般方法难以解决的水质预测问题。水质预测的灰色系统方法以水质监测资料为基础，计算过程简单，精度高且预测结果合理，符合水系统的灰色特征，模型适应性好，预测结果与环境状况吻合，能较好的应用于水质预测，是一种较理想的水质预测方法。灰度预测模型的预测结果已经比较合理了，但是针对于目前对矿泉等水质要求很高的预测来说，其预测精度还有待于进一步提高。目前国内也有多人，如孙鸣将灰色系统用于大武水源的水质预测，鲁万滨、张唤智做了系统的灰色模拟和预测，取得来了良好的预测结果。但同时也发现，该模型的应用有很大的局限性。
技术实现思路
本专利技术为了解决现有灰色预测模型进行矿泉水质预测的精度有待于提高的问题。一种用于矿泉的水质预测方法，包括以下步骤：步骤一、提取矿泉...
【技术保护点】
一种用于矿泉的水质预测方法，其特征在于，包括以下步骤：步骤一、提取矿泉的历史数据作为原始数列X＝[x(1)，x(2)，…，x(n)]；其中x(1)、x(2)、…、x(n)分别为历年或过去每月的原始数据，n表示数据的总数；步骤二、建立灰度理论预测模型：步骤2.1、对原始数据进行滑动平均处理；两端点数据滑动平均：x
【技术特征摘要】
1.一种用于矿泉的水质预测方法，其特征在于，包括以下步骤：步骤一、提取矿泉的历史数据作为原始数列X＝[x(1)，x(2)，…，x(n)]；其中x(1)、x(2)、…、x(n)分别为历年或过去每月的原始数据，n表示数据的总数；步骤二、建立灰度理论预测模型：步骤2.1、对原始数据进行滑动平均处理；两端点数据滑动平均：x(0)(1)＝[3x(1)+x(2)]/4x(0)(n)＝[x(n-1)+3x(n)]/4中间数据滑动平均x(0)(k)＝[x(k-1)+2x(k)+x(k+1)]/4x(0)(1)、x(0)(2)、…、x(0)(n)分别为平滑后的数据，平滑后的样本数据为X(0)＝[x(0)(1)，x(0)(2)，…，x(0)(n)]；生成X(0)的1-AGO序列X(1)：X(1)＝(x(1)(1),x(1)(2),...,x(1)(n))步骤2.2、对X(0)作准光滑性检验；步骤2.3、检验X(1)是否具有准指数规律；步骤2.4、基于满足对X(1)建立GM(1,1)模型的条件下，对X(1)作紧邻均值生成，得到Z(1)＝(z(1)(2),z(1)(3),...,z(1)(n))；z(1)(k)＝0.5x(1)(k)+0.5x(1)(k-1)GM(1,1)的灰度微分方程模型为x(0)(k)+az(1)(k)＝ba、b分别为灰度微分方程模型中的参数；步骤2.5、对参数列进行最小二乘估计；得步骤2.6、确定模型及时间响应序列其中e为自然常数；并确定模拟模拟值步骤2.7、还原求出X(0)的模拟值；步骤2.8、检验误差；计算原始数据与模拟值的残差和相对误差步骤2.9、控制原始数据和模拟值相对误差在为10％以内，对GM(1,1)灰度模型进行残差修正；步骤三、基于MATLAB软件建立BP神经网络模型，利用步骤一中的原始数据进行训练：首先，将原始数据中划分为若干组x(1)、x(2)、…、x(q′)，x(2)、x(3)、…、x(q′+1)，x(3)、x(4)、…、x(q′+2)，…，x(n-q′)、x(n-q′+1)、…、x(n-1)；分别对应的目标值为x(q′+1),x(q′+2),x(q′+3),…,x(n)；通过归一化函数premnmx进行归一化处理；然后，设置第1层神经元个数为3，第1层神经元个数为1；分别利用'tansig'和'purelin'函数作为第1层...
【专利技术属性】
技术研发人员：曾颖，杨臣，韩秀平，
申请(专利权)人：黑龙江省科学院火山与矿泉研究所，黑龙江省科学院高技术研究院，哈尔滨商业大学，
类型：发明
国别省市：黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。