论文部分内容阅读
通过多种预测方法的综合运用,提出一种依据环境监测数据的近海水质组合预测方法,力求在降低计算难度的同时,提高预测精度.首先,依据入海水体的情况,采用BP神经网络法对近海水质进行因果型预测,预测平均误差为26.46%;其次,采用傅立叶8次级数对近海水质历史数据进行拟合,并将其延伸对近海水质进行类比型预测,平均误差为38.33%;最后,确定近海水质数据符合log-logistic的概率密度函数,提出将上述两种预测结果的概率密度作为其组合权重的近海水质组合预测方法,平均误差降低为21.20%.应用表明,该组