基于ARIMA模型与BP神经网络算法的水质预测

河流的水质预测对于河道水质实时监测、预警及提前防范具有重要意义。复杂水域的水环境涉及的环境影响因素较多,环境模拟的数学模型建立具有不确定性和复杂性的特点。通过使用水质站点采集的历史数据和流域周边的历史气象数据,待预测水质指标本身随着时间的变化规律或环境变量与待预测水质指标之间的非线性关系,可以通过不同的预测方法来推断。采用基于ARIMA自回归积分滑动平均模型与改进BP神经网络算法相结合的方法进行水质预测的建模,建立水质数据和气象数据包含的线性关系和非线性关系,实现水质预测模型。通过理论分析及实验对比结果表明,基于ARIMA自回归积分滑动平均模型与BP神经网络算法构建的模型在水质预测的评价上具有较好的精度和泛化能力,为科学、准确的河流水质指数评价和管控提供了可能。