基于数据分解与NARX优化的滇池CODMn时间序列预测

打开文本图片集

摘要：高锰酸盐指数（CODMn）是衡量水体受还原性物质污染程度的重要指标之一。为提高CODMn预测精度，结合小波包变换（WPT）、成功历史智能优化（SHIO）算法和非线性自回归神经网络（NARX），提出WPT-SHIO-NARX CODMn时间序列预测模型。首先利用WPT将CODMn时间序列分解为1个周期项分量和3个波动项分量；然后简要介绍SHIO原理，利用SHIO对NARX输入延时阶数等超参数进行调优；最后基于调优获得的超参数建立WPT-SHIO-NARX模型对CODMn周期项及波动项分量进行预测，重构后得到最终预测结果，并构建WPT-粒子群优化算法（PSO）-NARX、WPT-遗传算法（GA）-NARX、WPT-NARX、SHIO-NARX、WPT-SHIO-极限学习机（ELM）、WPT-SHIO-BP神经网络模型作对比分析，并以滇池西苑隧道断面、观音山断面2004—2015年逐周CODMn监测数据对各模型进行验证。（剩余12110字）