0
关键词：
重金属污染,黑色页岩土壤,因子分析,富集因子,湖南
发表时间：
2013-01-30 17:45:24
摘要: 根据水质时间序列具有趋势性和波动性的特点, 将灰色马尔柯夫模型应用于太湖、滇池、巢湖三大湖泊水质富营养化趋势预测, 其预测值可看成趋势项和随机波动项之和. 预测过程如下: ¹ 用t检验准则判断并剔除序列中的异常数据, 保证GM ( 1, 1 )模型精度; º 建立GM ( 1, 1)模型, 对时序数据进行拟合, 找出其变化趋势并建立趋势项; » 根据最大残差划分状态空间, 进行马尔柯夫预测, 找出波动性规律并建立随机波动项. 预测结果显示: 太湖、滇池、巢湖预测结果的相对误差分别为3. 59%、1. 73%、2. 20%, 平均相对误差为2. 50%, 比单纯的灰色GM ( 1, 1)模型降低了0. 32%.
湖泊水质趋势预测对湖泊水环境的规划、评价和管理具有重要意义. 我国是一个湖泊众多的国
家, 其中大于1 km2的天然湖泊有2300余个, 湖泊面积为70988 km2, 湖泊总贮水量为7. 077 @ 1011 km3,是我国重要的淡水资源之一, 是人民生活不可缺少的宝贵资源(黄永基等, 2002) . 但是近些年来, 湖泊水环境污染问题日益突出, 其中湖泊水质富营养化是其存在的根本问题. 为了有效地反映湖泊水质未来污染状况, 准确预测水质富营养化随时间变化趋势就显得极为重要.
目前, 常用的预测方法有混沌理论时间序列预测法( S ivakumar et al. , 1998; 徐敏等, 2003)、神经网络模型预测法(王瑛等, 1997; 邹志红等, 2007)、支持向量机(许葆华, 2008)、灰色系统理论预测法(李如中等, 2003; 戴志军, 2002)等, 这些方法为水环境管理和污染防治提供了决策支持. 受水文、水质监测条件的限制, 水质预测过程中往往缺乏长期的水质资料, 这限制了神经网络模型等需要大量实测数据的方法在水质预测中的应用. 而灰色系统分析法对于信息不完整(或不完全)情况, 具有良好的适用性, 目前, 在水质预测方面使用较多的是灰色GM( 1, 1)模型(李如忠, 2006); 但对于数据序列的复杂性和波动性, GM ( 1, 1)模型的预测结果可能会出现较大的偏差, 这使人们不断改进灰色建模方法,以提高预测结果的可靠性. 向跃霖( 1997)基于灰色系统理论提出了水质预测灰色幂级数曲线模型GPSM ( 1), 并对地表水CODMn指数进行了预测, 取得了较好的拟合、预测精度. 戴志军等( 2002)则在构建GM ( 1, 1)模型前, 首先采用格拉布斯方法对可能影响预测精度的异常数据进行判别、剔除. 李如忠( 2003)提出灰色动态模型群方法, 利用不同时段数据建立一系列灰色GM ( 1, 1) 模型分别预测,并将统计平均值作为最终预测值. 王开章( 2002)在建立GM ( 1, 1)模型后, 当精度不能满足要求时, 采用残差模型予以修正, 效果显著. 然而, 归根结底GM ( 1, 1)模型的解是指数模型, 其预测的几何图形是一条较为光滑的曲线, 因而对随机性波动较大的数据进行预测, 其预测值就会偏高或者偏低.
马尔柯夫预测根据状态之间的转移概率来预测未来趋势, 适用于预测随机波动大的动态过程.因此, 灰色- 马尔柯夫模型可弥补灰色预测对随机波动大的数据序列预测精确度低的缺陷. 该模型的
原理是采用灰色GM ( 1, 1)模型对时序数据进行拟合, 找出其变化趋势, 在此基础上进行马尔柯夫预
测(蒋承仪, 1996). 但是, 进行马尔柯夫预测的前提是灰色趋势预测须达到一定的精度, 在进行预测之前应该对时序数据进行识别并剔除异常数据.
鉴于此, 根据水质时间序列具有趋势性和波动性的特点, 提出一种改进的灰色马尔柯夫预测方
法. 用t检验准则剔除时间序列中的异常数据以提高建模的精度, 然后将灰色马尔柯夫模型用于湖泊
水质富营养化趋势预测, 并与单纯的灰色模型进行比较研究. 旨在预测太湖、巢湖、滇池2005年下半年水质变化趋势, 并提供了一种新的水质短期趋势预测方法.
家, 其中大于1 km2的天然湖泊有2300余个, 湖泊面积为70988 km2, 湖泊总贮水量为7. 077 @ 1011 km3,是我国重要的淡水资源之一, 是人民生活不可缺少的宝贵资源(黄永基等, 2002) . 但是近些年来, 湖泊水环境污染问题日益突出, 其中湖泊水质富营养化是其存在的根本问题. 为了有效地反映湖泊水质未来污染状况, 准确预测水质富营养化随时间变化趋势就显得极为重要.
目前, 常用的预测方法有混沌理论时间序列预测法( S ivakumar et al. , 1998; 徐敏等, 2003)、神经网络模型预测法(王瑛等, 1997; 邹志红等, 2007)、支持向量机(许葆华, 2008)、灰色系统理论预测法(李如中等, 2003; 戴志军, 2002)等, 这些方法为水环境管理和污染防治提供了决策支持. 受水文、水质监测条件的限制, 水质预测过程中往往缺乏长期的水质资料, 这限制了神经网络模型等需要大量实测数据的方法在水质预测中的应用. 而灰色系统分析法对于信息不完整(或不完全)情况, 具有良好的适用性, 目前, 在水质预测方面使用较多的是灰色GM( 1, 1)模型(李如忠, 2006); 但对于数据序列的复杂性和波动性, GM ( 1, 1)模型的预测结果可能会出现较大的偏差, 这使人们不断改进灰色建模方法,以提高预测结果的可靠性. 向跃霖( 1997)基于灰色系统理论提出了水质预测灰色幂级数曲线模型GPSM ( 1), 并对地表水CODMn指数进行了预测, 取得了较好的拟合、预测精度. 戴志军等( 2002)则在构建GM ( 1, 1)模型前, 首先采用格拉布斯方法对可能影响预测精度的异常数据进行判别、剔除. 李如忠( 2003)提出灰色动态模型群方法, 利用不同时段数据建立一系列灰色GM ( 1, 1) 模型分别预测,并将统计平均值作为最终预测值. 王开章( 2002)在建立GM ( 1, 1)模型后, 当精度不能满足要求时, 采用残差模型予以修正, 效果显著. 然而, 归根结底GM ( 1, 1)模型的解是指数模型, 其预测的几何图形是一条较为光滑的曲线, 因而对随机性波动较大的数据进行预测, 其预测值就会偏高或者偏低.
马尔柯夫预测根据状态之间的转移概率来预测未来趋势, 适用于预测随机波动大的动态过程.因此, 灰色- 马尔柯夫模型可弥补灰色预测对随机波动大的数据序列预测精确度低的缺陷. 该模型的
原理是采用灰色GM ( 1, 1)模型对时序数据进行拟合, 找出其变化趋势, 在此基础上进行马尔柯夫预
测(蒋承仪, 1996). 但是, 进行马尔柯夫预测的前提是灰色趋势预测须达到一定的精度, 在进行预测之前应该对时序数据进行识别并剔除异常数据.
鉴于此, 根据水质时间序列具有趋势性和波动性的特点, 提出一种改进的灰色马尔柯夫预测方
法. 用t检验准则剔除时间序列中的异常数据以提高建模的精度, 然后将灰色马尔柯夫模型用于湖泊
水质富营养化趋势预测, 并与单纯的灰色模型进行比较研究. 旨在预测太湖、巢湖、滇池2005年下半年水质变化趋势, 并提供了一种新的水质短期趋势预测方法.
冉夏菡发布的其他共享资料
-
-
关键词： 灰色模型,马尔柯夫模型,预测,富营养化 发表时间： 2013-01-30 17:44:21
-
关键词： 红枫湖,沉积物,酸可挥发性硫(AVS),重金属 发表时间： 2013-01-30 17:41:21
-
关键词： 酸雨,降水pH值,气象条件,后向轨迹,聚类分析,合肥 发表时间： 2013-01-30 17:39:23
-
关键词： 好氧颗粒污泥,颗粒化,废水处理,机理,影响因素 发表时间： 2013-01-30 17:23:07
-
关键词： 好氧堆肥,牛粪,难溶性磷,转化 发表时间： 2013-01-30 17:21:26