一种自优化rbf神经网络的叶绿素a浓度时序预测模型

藻类水华发生过程具有复杂性、非线性、时变性等特点,其准确预测一直是一个国际性难题。以天津市于桥水库为研究对象,根据2000年1月至2003年12月常规监测的水生生态数据(采样周期为10d),提出了一种结合时序方法的可自优化rbf神经网络智能预测模型,对判断藻类水华的重要指标叶绿素a浓度进行预测。研究了训练样本量及rbf神经网络扩展速度spread值的可自优化性能,以及该模型用于于桥水库叶绿素a浓度的短期变化趋势预测的可行性。结果表明,预测性能指标随spread值及样本量不同发生变化,该预测模型能自动寻到最优spread值,并发现至少需要约两年的训练样本量才能达到较好预测效果。当样本量为105,spread值为10时,预测效果最好,精度较高,预测值与实测值的相关系数r达到0.982。该方法对水库的藻类水华预警有一定的参考价值。