论文部分内容阅读
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。