基于ARIMA和Prophet的水质预测集成学习模型

作者：嵇晓燕; 杨凯; 陈亚男; 姚志鹏; 王正; 安新国^*

来源：水资源保护, 2022, 38(06): 111-115.

• 水质预测
• ARIMA模型
• Prophet模型
• 集成学习

将时间序列模型ARIMA和Prophet作为基学习器，结合BP神经网络模型构建了水质预测集成学习模型。选取长江流域某断面2019—2020年的DO、CODMn、NH3-N、TP和TN等5个水质指标的监测数据对该模型的有效性进行了检验，结果表明：5个水质指标集成学习模型预测结果的平均绝对百分比误差比时间序列模型的预测误差分别低35.0%、29.9%、4.1%、40.6%和17.1%,模型预测值和监测值的皮尔逊相关系数大于0.8。集成学习模型预测精度高于单一模型，可以更精确地进行水质预测。

• 单位
  中国环境监测总站