數(shù)據(jù)預(yù)處理和直方圖時(shí)間序列在水質(zhì)預(yù)測(cè)中的應(yīng)用.pdf

1、隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，水資源短缺、浪費(fèi)和污染問題日益突出。水質(zhì)預(yù)測(cè)技術(shù)對(duì)水質(zhì)未來變化趨勢(shì)進(jìn)行預(yù)測(cè)，可以有效控制和減少水質(zhì)惡化造成的危害，達(dá)到對(duì)水質(zhì)惡化的有效認(rèn)知和及時(shí)控制的目標(biāo)。
　　 本文在綜述國(guó)內(nèi)外大量相關(guān)文獻(xiàn)的基礎(chǔ)上，對(duì)水質(zhì)預(yù)測(cè)技術(shù)進(jìn)行了研究。當(dāng)前的水質(zhì)預(yù)警系統(tǒng)采集的水質(zhì)數(shù)據(jù)往往存在數(shù)據(jù)冗余、缺失等缺點(diǎn)，并且傳統(tǒng)的水質(zhì)預(yù)測(cè)方法對(duì)這些原始數(shù)據(jù)的質(zhì)量重視不足;另外，針對(duì)水質(zhì)預(yù)警系統(tǒng)高頻采集的數(shù)據(jù)往往需要在低頻下進(jìn)行預(yù)測(cè)和分析

2、的特點(diǎn)，傳統(tǒng)水質(zhì)預(yù)測(cè)方法通常取每日數(shù)據(jù)的平均值進(jìn)行分析處理，這樣會(huì)損失原始數(shù)據(jù)內(nèi)含的相關(guān)信息。針對(duì)以上問題，本文開展了相關(guān)的研究工作，主要的成果和創(chuàng)新點(diǎn)有:
　　 1.基于k均值聚類、LIN插補(bǔ)算法和奇異譜分析方法等方法，提出了一系列在線水質(zhì)數(shù)據(jù)預(yù)處理的方法，提高了原始數(shù)據(jù)質(zhì)量。采用BP神經(jīng)網(wǎng)絡(luò)模型作為水質(zhì)預(yù)測(cè)模型來驗(yàn)證數(shù)據(jù)預(yù)處理方法的效果，初步實(shí)驗(yàn)結(jié)果表明這些方法有效地提高了預(yù)測(cè)的效果。
　　 2.基于水質(zhì)預(yù)警數(shù)據(jù)庫(kù)中

3、的高頻水質(zhì)數(shù)據(jù)，在水質(zhì)預(yù)測(cè)中引入了符號(hào)數(shù)據(jù)中的直方圖時(shí)間序列，提出了基于高頻原始水質(zhì)數(shù)據(jù)構(gòu)建直方圖時(shí)間序列的方法。
　　 3.基于高頻水質(zhì)數(shù)據(jù)所生成的直方圖時(shí)間序列，結(jié)合KNN模型和指數(shù)平滑模型，在水質(zhì)預(yù)測(cè)中應(yīng)用了直方圖時(shí)間序列預(yù)測(cè)方法，并將KNN模型、指數(shù)平滑模型與直方圖時(shí)間序列分析的基本模型進(jìn)行了比較研究。
　　 本文提出的數(shù)據(jù)處理方法與直方圖時(shí)間序列預(yù)測(cè)方法有效地提升了水質(zhì)預(yù)測(cè)的可靠性和準(zhǔn)確性，同時(shí)直方圖時(shí)間序列預(yù)