动态聚类最近邻法在湖库蓝藻水华预测中的应用

摘要：

[目的]探索湖库蓝藻水华的有效预测方法,为水环境污染防治关键问题的解决提供科学依据.[方法]结合蓝藻水华演化中表现出的混沌类随机特点,提出一种基于有效性函数优化的动态聚类算法,以实现蓝藻水华动态、小范围近邻优化预测的目的.首先,基于动态聚类算法对监测数据进行典型类的客观划分,为后续有效减小搜索空间,提高预测精度奠定基础;而后采用粒子群算法优化得到各类的最佳近邻个数,以确定参与回归建模的观测值数量;最后依据最近邻观测数据建立动态回归预测模型.[结果]采用太湖金墅监测站点2011年叶绿素a浓度测定值进行建模,之后对2012年叶绿素a浓度进行短期预测.新建模型的预测值与实际值运行趋势一致,且相对误差为12.02％,而基于传统聚类线性回归算法的相对误差为15.21％,基于BP神经网络预测算法的相对误差为19.51％,相空间重构算法的相对误差为38.42％.[结论]算例结果表明该方法的预测精度相对较高,证明了所提优化预测方法的可行性与有效性.

关键词：蓝藻水华、动态聚类、最近邻法、预测

所属期刊栏目：37

分类号：TP14;X524(自动化基础理论)

资助基金：北京市属高校创新能力提升计划项目“北京河湖水环境监测与智能管理物联网应用平台”PXM2014_014213_000033;北京市教委科技重点项目KZ201510011011;北京市属高校青年拔尖人才培育计划CIT&TCD201404031

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：161-165