基于ARIMA和RBF神经网络模型的溶解氧预测分析

结合江苏省宜兴市蟹养殖实地采集的数据，采用ARIMA模型对溶解氧进行预测，反映溶解氧周期性变化趋势。采用RBF神经网络对非线性残差部分进行预测。结果表明，组合模型较单一模型而言，预测结果更加全面、准确，提高了溶解氧预测的精度，并通过预测结果找出溶解氧变化规律