基于动态滑动窗口BP神经网络的水质时间序列预测

作者：张梦迪; 徐庆; 刘振鸿; 马春燕; 高品

来源：环境工程技术学报, 2021, 1-11.

• BP神经网络
• 动态滑动窗口
• 水质时间序列
• 主成分分析法

采用主成分分析法对原始样本数据进行特征提取和降维，选取UV254、总氮（TN）和浊度作为水质预测指标，构建了3层BP神经网络（BPNN）模型进行预测，并分析其预测性能。结果表明：UV254、TN和浊度的最佳训练集尺寸分别为2个月、2个月和3个月，最佳BPNN拓扑结构分别为9-12-1、8-6-1和7-13-1，经优化后的BPNN模型对UV254、TN和浊度的变化趋势整体预测效果较好；相比之下，BPNN模型对水中UV254的预测效果显著优于TN和浊度，其均方根误差、平均绝对百分比误差和相关系数分别为0.040、0.66%和0.867。该模型方法可为地表水水质预测预警和监督管理提供方法基础和技术支持。

• 单位
  东华大学; 上海市环境监测中心; 环境科学与工程学院