基于SOA-SVM和SOA-BP模型的溶解氧预测

摘要：

为提高溶解氧预测精度,研究提出海鸥优化算法(SOA)与支持向量机(SVM)、BP神经网络相融合的预测方法.基于云南省西双版纳州国家重要供水水源地景洪电站2009年1月至2020年9月的逐月溶解氧监测数据构建4种预测方案,利用SOA优化SVM关键参数、BP神经网络权阈值分别构建SOA-SVM、SOA-BP模型对景洪电站溶解氧进行预测,预测结果与SVM、BP模型作对比.结果 表明:SOA-SVM、SOA-BP模型对4种方案溶解氧预测的平均相对误差绝对值分别在4.07％ ～ 4.98％、3.85％ ～4.83％之间,平均绝对误差绝对值分别在0.309 ～0.374、0.294 ～0.371 mg/L之间,预测精度优于SVM、BP模型,具有较好的预测精度和泛化能力.SOA能有效优化SVM关键参数和BP神经网络权阈值;SOA-SVM、SOA-BP模型用于溶解氧预测是可行的;模型及优化方法可为相关预测研究提供参考.

关键词：溶解氧预测、海鸥优化算法、支持向量机、BP神经网络、参数优化

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2021-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：99-104