典型文献
基于小波分析的水质变化及预测研究——以涡河为例
文献摘要：
以涡河流域2005-2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用.通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型.研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4％,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高.基于小波神经网络的应用为流域水质污染研究提供了一个新的思路.
文献关键词：
水质变化;水质预测;小波分析;BP神经网络;涡河流域
中图分类号：
作者姓名：
赵贵章;王淑丽;李志萍;龚建师;王赫生
作者机构：
华北水利水电大学地球科学与工程学院,河南郑州450011;中国地质调查局南京地质调查中心,江苏南京210016
文献出处：
引用格式：
[1]赵贵章;王淑丽;李志萍;龚建师;王赫生-.基于小波分析的水质变化及预测研究——以涡河为例)[J].人民珠江,2022(02):79-87
A类：
B类：
于小波,小波分析,水质变化,预测研究,涡河流域,水质指标,背景资料,流域水,多尺度变化,河水,小波神经网络,神经网络预测模型,化学需氧量,污染因子,实测值,曲线拟合,MRE,RMSE,水质污染,水质预测
AB值：
0.226423
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。
