典型文献
基于动态隶属度的模糊时间序列模型的水质预测研究
文献摘要：
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A R I-MA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.
文献关键词：
水质预测;季节效应;模糊时间序列;动态隶属度
中图分类号：
作者姓名：
赵春兰;李屹;何婷;武刚;王兵
作者机构：
西南石油大学理学院,四川 成都 610500;西南石油大学人工智能研究院,四川 成都 610500;中国石油天然气股份有限公司大港油田分公司,天津 300280;西南石油大学计算机科学学院,四川 成都 610500
文献出处：
引用格式：
[1]赵春兰;李屹;何婷;武刚;王兵-.基于动态隶属度的模糊时间序列模型的水质预测研究)[J].计算机工程与科学,2022(08):1488-1496
A类：
动态隶属度
B类：
模糊时间序列,时间序列模型,水质预测,预测研究,水污染预警,水质指标,非平稳性,模糊性,传统预测模型,自回归,移动平均,ARIMA,预测新模型,均值聚类,原始数据,度序列,去模糊化,岷江,短期预测,乘积,RMSE,MAPE,MAE,极大地提高,水污染防治,季节效应
AB值：
0.246076
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
