水环境非线性时序预测的高精度RBF网络模型

杨晓华; 杨志峰; 沈珍瑶; 陆桂华; 郦建强

高级搜索

全国中文核心期刊
中国科技核心期刊
美国工程索引（EI）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

水环境非线性时序预测的高精度RBF网络模型

杨晓华, 杨志峰, 沈珍瑶, 陆桂华, 郦建强

文章导航 > 水科学进展 > 2005 > 16(6): 788-791

杨晓华, 杨志峰, 沈珍瑶, 陆桂华, 郦建强. 水环境非线性时序预测的高精度RBF网络模型[J]. 水科学进展, 2005, 16(6): 788-791.

引用本文:

杨晓华, 杨志峰, 沈珍瑶, 陆桂华, 郦建强. 水环境非线性时序预测的高精度RBF网络模型[J]. 水科学进展, 2005, 16(6): 788-791.

YANG Xiao-hua, YANG Zhi-feng, SHEN Zhen-yao, LU Gui-hua, LI Jian-qiang. High precision radial basis function network model for predicting water environment nonlinear time series[J]. Advances in Water Science, 2005, 16(6): 788-791.

Citation:

水环境非线性时序预测的高精度RBF网络模型

1.
北京师范大学环境学院, 北京, 100875;
2.
河海大学科学研究院, 江苏, 南京, 210098;
3.
水利部水利水电规划设计总院, 北京, 100011

基金项目: 国家重点基础研究发展计划(973)资助项目(2003CB415204);国家科技攻关资助项目(2004BA611B020401)

详细信息

作者简介:
杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

中图分类号: TV122

High precision radial basis function network model for predicting water environment nonlinear time series

1.
State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China;
2.
Academy of Sciences, Hohai University, Nanjing 210098, China;
3.
Water Resources and Hydropower Planning and Design General Institute, MWR, Beijing 100011, China

Funds: The study is financially supported by the National Basic Research Program of China(No.2003CB415204).

摘要: 为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快.
- 水环境时间序列 /
- 非线性预测 /
- RBF神经网络 /
- 精度
Abstract: In order to raise the precision of prediction model for water environment nonlinear time series,a high precision radial basis function(RBF) artificial neural network model is presented The delay time of water environment time series is analyzed with auto correlation technique.The input and output of this model are decided by this delay time.And this model is verified by two cases First,the training and test are given by the recorded data of 32 years of marine water temperature,and the result shows that the error of every training sample is 0.00,and the relative error is 0.3875% of forecasting marine temperature based on the RBF network model.Then,the water environment elements,such as hardness,the salts of permanganic acid,BOD₅,NH₃-N,DO,phenol,cadmium,chloral and sulfate,are predicted at Wangjianglou in Changjiang river for eight years.The prediction precision of this RBF model is higher than that of the threshold auto-regression model,the BP artificial neural network model and the ELMAN artificial neural network model.The convergent speed of this new model is also faster than that of the BP model It is a good nonlinear prediction model for water science time series.
- water environment time series /
- nonlinear prediction /
- RBF artificial neural network /
- precision

[1]	Zhang Bin,Govindaraju Rao S.Prediction of watershed runoff using Bayesian concepts and modular neural networks[J].Water Resour Res,2000,36:753-762.
[2]	金菊良,丁晶,魏一鸣.基于遗传算法的门限自回归模型在海温预测中的应用[J].海洋环境科学,1999,18(3):1-6.
[3]	侯瑞科.平稳时间序列分析在海洋预报中的应用[J].海洋预报,1996,13(1):41-45.
[4]	杨晓华,金保明,金菊良,等.门限自回归模型在海洋冰情预测中的应用[J].灾害学,1999,14(4):1-6.
[5]	金菊良,储开凤,郦建强.基因算法在海洋预报中的应用[J].海洋预报,1997,14(1):9-16.
[6]	George,Raju K.Prediction of soil temperature by using artificial neural networks algorithms[J].Nonlinear Analysis,Issue:3,2001,47(8):1737-1 748.
[7]	黄国如,胡和平,田富强.用径向基函数神经网络模型预报感潮河段洪水位[J].水科学进展,2003,14(2):158-162.
[8]	闻新,周露,王丹力,等.MATLAB神经网络仿真与应用[M].北京:科学出版社,2003.
[9]	杨晓华,杨志峰,郦建强.海洋冰情预测的径向基函数网络模型[J].自然灾害学报,2004,13(4):105-108.

[1]	张展羽, 梁振华, 冯宝平, 黄继文, 吴东. 基于主成分-时间序列模型的地下水位预测 . 水科学进展, 2017, 28(3): 415-420. doi: 10.14042/j.cnki.32.1309.2017.03.012
[2]	徐英. 考虑块段效应的RBF神经网络在土壤空间插值中的应用 . 水科学进展, 2012, 23(1): 67-73. doi: CNKI:32.1309.P.20120104.2012.007
[3]	于国荣, 夏自强. 混沌时间序列支持向量机模型及其在径流预测中应用 . 水科学进展, 2008, 19(1): 116-122.
[4]	崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测 . 水科学进展, 2005, 16(1): 76-81.
[5]	黄国如, 芮孝芳. 流域降雨径流时间序列的混沌识别及其预测研究进展 . 水科学进展, 2004, 15(2): 255-260.
[6]	王红瑞, 宋宇, 刘昌明, 陈家军. 混沌理论及在水科学中的应用与存在的问题 . 水科学进展, 2004, 15(3): 400-407.
[7]	黄国如, 胡和平, 田富强. 用径向基函数神经网络模型预报感潮河段洪水位 . 水科学进展, 2003, 14(2): 158-162.
[8]	覃光华, 丁晶, 李眉眉, 倪长健. 敏感型人工神经网络及其在水文预报中的应用 . 水科学进展, 2003, 14(2): 163-166.
[9]	杨晓华, 杨志峰, 郦建强. 水环境模型参数识别的一种新方法 . 水科学进展, 2003, 14(5): 554-557.
[10]	薛联青, 崔广柏, 程光. 区域地下水位预报的季节型神经网络模型 . 水科学进展, 2002, 13(4): 473-477.
[11]	袁新明, 唐锦春, 毛根海, 吴寿荣. 双时间尺度紊流模型的非线性修正与验证 . 水科学进展, 2002, 13(1): 78-82.
[12]	秦肖生, 曾光明. 遗传算法在水环境灰色非线性规划中的应用 . 水科学进展, 2002, 13(1): 31-36.
[13]	李荣, 李义天. 基于神经网络理论的河道水情预报模型 . 水科学进展, 2000, 11(4): 427-431.
[14]	苑希民, 刘树坤, 陈浩. 基于人工神经网络的多泥沙洪水预报 . 水科学进展, 1999, 10(4): 393-398.
[15]	陈守煜, 聂相田, 朱文彬, 王国利. 模糊优选神经网络模型及其应用 . 水科学进展, 1999, 10(1): 69-74.
[16]	束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究 . 水科学进展, 1998, 9(4): 384-388.
[17]	邱林, 陈守煜, 聂相田. 模糊模式识别神经网络预测模型及其应用 . 水科学进展, 1998, 9(3): 258-264.
[18]	胡铁松, 袁鹏, 丁晶. 人工神经网络在水文水资源中的应用 . 水科学进展, 1995, 6(1): 76-82.
[19]	胡铁松, 万永华, 冯尚友. 水库群优化调度函数的人工神经网络方法研究 . 水科学进展, 1995, 6(1): 53-60.
[20]	蔡煜东, 姚林声. 径流长期预报的人工神经网络方法 . 水科学进展, 1995, 6(1): 61-65.

点击查看大图

计量

文章访问数: 6
HTML全文浏览量: 1
PDF下载量: 522
被引次数: 0

水环境非线性时序预测的高精度RBF网络模型

1. 北京师范大学环境学院, 北京, 100875;

2. 河海大学科学研究院, 江苏, 南京, 210098;

3. 水利部水利水电规划设计总院, 北京, 100011

基金项目: 国家重点基础研究发展计划(973)资助项目(2003CB415204);国家科技攻关资助项目(2004BA611B020401)

作者简介:
杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

收稿日期: 2004-06-17
修回日期: 2004-10-26
刊出日期: 2005-11-25

中图分类号: TV122

关键词:

摘要: 为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快.

English Abstract

High precision radial basis function network model for predicting water environment nonlinear time series

1. State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China;

2. Academy of Sciences, Hohai University, Nanjing 210098, China;

3. Water Resources and Hydropower Planning and Design General Institute, MWR, Beijing 100011, China

Funds: The study is financially supported by the National Basic Research Program of China(No.2003CB415204).

Received Date: 2004-06-17
Rev Recd Date: 2004-10-26
Publish Date: 2005-11-25

Keywords:

Abstract: In order to raise the precision of prediction model for water environment nonlinear time series,a high precision radial basis function(RBF) artificial neural network model is presented The delay time of water environment time series is analyzed with auto correlation technique.The input and output of this model are decided by this delay time.And this model is verified by two cases First,the training and test are given by the recorded data of 32 years of marine water temperature,and the result shows that the error of every training sample is 0.00,and the relative error is 0.3875% of forecasting marine temperature based on the RBF network model.Then,the water environment elements,such as hardness,the salts of permanganic acid,BOD₅,NH₃-N,DO,phenol,cadmium,chloral and sulfate,are predicted at Wangjianglou in Changjiang river for eight years.The prediction precision of this RBF model is higher than that of the threshold auto-regression model,the BP artificial neural network model and the ELMAN artificial neural network model.The convergent speed of this new model is also faster than that of the BP model It is a good nonlinear prediction model for water science time series.

杨晓华, 杨志峰, 沈珍瑶, 陆桂华, 郦建强. 水环境非线性时序预测的高精度RBF网络模型[J]. 水科学进展, 2005, 16(6): 788-791.

引用本文:

杨晓华, 杨志峰, 沈珍瑶, 陆桂华, 郦建强. 水环境非线性时序预测的高精度RBF网络模型[J]. 水科学进展, 2005, 16(6): 788-791.

Citation:

全文HTML

参考文献 (9)

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

留言板

水环境非线性时序预测的高精度RBF网络模型

作者简介: 杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

High precision radial basis function network model for predicting water environment nonlinear time series

计量

出版历程

水环境非线性时序预测的高精度RBF网络模型

1. 北京师范大学环境学院, 北京, 100875; 2. 河海大学科学研究院, 江苏, 南京, 210098; 3. 水利部水利水电规划设计总院, 北京, 100011

作者简介: 杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

English Abstract

High precision radial basis function network model for predicting water environment nonlinear time series

1. State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China; 2. Academy of Sciences, Hohai University, Nanjing 210098, China; 3. Water Resources and Hydropower Planning and Design General Institute, MWR, Beijing 100011, China

全文HTML

目录

作者简介:
杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

1. 北京师范大学环境学院, 北京, 100875;

2. 河海大学科学研究院, 江苏, 南京, 210098;

3. 水利部水利水电规划设计总院, 北京, 100011

作者简介:
杨晓华(1966- ),女,福建漳平人,北京师范大学副教授,博士后,主要从事水文水资源及环境问题的预测、评价、优化等研究.E-mail:y1x1h1@sohu.com

1. State Key Laboratory of Water Environment Simulation, School of Environment, Beijing Normal University, Beijing 100875, China;

2. Academy of Sciences, Hohai University, Nanjing 210098, China;

3. Water Resources and Hydropower Planning and Design General Institute, MWR, Beijing 100011, China