文献类型：期刊文章

作　　者：赵春兰[1,2] 李屹[1] 何婷[1] 武刚[3] 王兵[4]

ZHAO Chun-lan;LI Yi;HE Ting;WU Gang;WANG Bing(School of Sciences,Southwest Petroleum University,Chengdu 610500;Institute for Artificial Intelligence,Southwest Petroleum University,Chengdu 610500;Dagang Oil Field Branch,PetroChina Company Limited,Tianjin 300280;School of Computer Science,Southwest Petroleum University,Chengdu 610500,China)

机构地区：[1]西南石油大学理学院,四川成都610500 [2]西南石油大学人工智能研究院,四川成都610500 [3]中国石油天然气股份有限公司大港油田分公司,天津300280 [4]西南石油大学计算机科学学院,四川成都610500

出　　处：《计算机工程与科学》

基　　金：国家科技重大专项(2016ZX05021-006)。

年　　份：2022

卷　　号：44

期　　号：8

起止页码：1488-1496

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

摘　　要：科学有效的水质预测对于水资源的管理与水污染预警尤为重要。由于水质指标序列存在非线性、非平稳性、模糊性和季节性等特点,传统预测模型的精度受到一定的限制。结合差分整合自回归移动平均ARIMA模型和经典模糊时间序列模型的特性,提出了一种基于动态隶属度的模糊时间序列水质预测新模型。首先,利用模糊C均值聚类从原始数据中构建隶属度序列;其次,利用经典的时间序列模型对不同的子隶属度序列进行预测,得到动态隶属度;最后,去模糊化得到水质指标的预测值。应用提出的新模型对岷江某断面的水质指标进行了短期预测,并与经典模糊时间序列模型和ARIMA乘积季节模型进行对比。实验结果表明,新模型在RMSE、MAPE和MAE上均优于经典模糊时间序列模型和ARIMA乘积季节模型,极大地提高了预测精度,可为水污染防治提供有价值的参考。

关 键 词：水质预测 季节效应  模糊时间序列  动态隶属度  

分 类 号：TP301]