论文部分内容阅读
为解决先验数据有限情况下北方Q水库的水质预测问题，提出一种以马尔可夫方法进行修正误差的BP神经网络预测模型。针对Q水库的水质特点，使用总氮作为参考序列，对常规指标进行灰色关联分析，以确定神经网络的输入向量。选择同总氮关联度较大的氨氮、总磷以及总氮本身作为输入向量，以总氮为输出向量，应用BP人工神经网络，对总氮浓度进行预测。将神经网络测试样本的相对误差序列作为马尔可夫方法的状态集，对检验样本的相对误差状态进行预测。根据相对误差结果对BP神经网络预测值进行修正。结果表明，该方法能有效改进预测结果，提高精度。