基于ARIMA模型与BP神经网络算法的水质预测

近年来,政府相关部门虽然对地表水加大了治理力度,基本遏制河流水质恶化的势头,但是,突发环境污染事件仍然时有发生,对人体健康、生态安全造成了重要影响。利用水质在线监测仪虽然可以实时监测水质变化,但是智能化程度低,为此亟需采用先进手段实现对河流水质的预测预警并提前进行防范,最大程度降低类似藻类暴发等事件带来的损失。文中以嘉兴市河道水质为主要对象,开展水质预测模型研究,具有一定的实际应用价值。采用基于ARIMA自回归积分滑动平均模型与改进的BP神经网络算法相结合的方法进行水质预测的建模,研究水质数据和气象数据包含的线性关系和非线性关系,建立水质预测组合模型,并通过模型进行水质电导率、溶解氧、总磷、总氮、高锰酸盐、氨氮的预测;通过理论分析及试验对比,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,在水质预测方面比单纯使用传统的ARIMA模型具有更高的精度,各指标的MRE(平均百分比误差)、RMSE(均方根误差)均有很大程度的减小,提供了更科学、更准确的河流水质指数预测方法。

财务共享模式下集团企业资金管理模式分析

信息技术为财务共享的实现提供了强有力的技术支持。集团企业在财务共享模式下开展资金管理,能有效提高资金管理效益。对此,集团企业在财务共享模式下,应采取有效措施加强资金管理,实现对资金管理模式的创新构建。本文浅析了财务共享模式与资金管理的涵义,探究了财务共享模式下集团企业资金管理模式,以期为集团企业资金管理提供借鉴。

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。

嘉兴市水污染协调控制与水源地质量改善综合示范

嘉兴市是水污染控制与治理科技重大专项太湖流域南部平原河网水质改善综合示范区之一.嘉兴市河网密布,密度3.5, km/km^(2);经济发展快速,"十三五"期间地区生产总值年均增长率10.58%;第二产业占据主导地位,连续10年占比54%左右.