优化NARX神经网络对时间序列溶解氧的预测

摘要

为提高非线性有源自回归(NRAX)神经网络模型的预测精准度,采用主成分分析(PCA)法和灰色关联分析(GRA)法提取原始数据特征并减少输入变量的维度,通过构建PCA-NARX和GRA-NARX模型预测地表水体未来短期(48 h)溶解氧(DO)的质量浓度。结果表明:GRA-NARX模型对时间序列DO质量浓度的预测效果优于NARX模型和PCA-NARX模型,然而预测精度随预测时间的推移呈下降趋势,但是短期预测效果较好,36 h内预测误差可控制在-0.5~0.5 mg/L以内,预测均方根误差和平均绝对误差分别为0.261 mg/L和1.98%。GRA-NARX模型对DO质量浓度预测精度较好,可结合DO与其他水质指标之间的相关性分析,为地表水体水质预测预警和应急响应提供技术支撑。