计算机工程与科学

作者：赵春兰, 李屹, 何婷, 武刚, 王兵

单位：（1.西南石油大学理学院,四川 成都 610500；2.西南石油大学人工智能研究院，四川 成都 610500;3.中国石油天然气股份有限公司大港油田分公司,天津 300280,4.西南石油大学计算机科学学院，四川 成都 610500）

关键词：水质预测,季节效应,模糊时间序列,动态隶属度,

基金：国家科技重大专项（2016ZX05021-006）

科学有效的水质预测对于水资源的管理与水污染预警尤为重要。由于水质指标序列存在非线性、非平稳性、模糊性和季节性等特点，传统预测模型的精度受到一定的限制。结合差分整合自回归移动平均ARIMA模型和经典模糊时间序列模型的特性，提出了一种基于动态隶属度的模糊时间序列水质预测新模型。首先，利用模糊C均值聚类从原始数据中构建隶属度序列；其次，利用经典的时间序列模型对不同的子隶属度序列进行预测，得到动态隶属度；最后，去模糊化得到水质指标的预测值。应用提出的新模型对岷江某断面的水质指标进行了短期预测，并与经典模糊时间序列模型和ARIMA乘积季节模型进行对比。实验结果表明，新模型在RMSE、MAPE和MAE上均优于经典模糊时间序列模型和ARIMA乘积季节模型，极大地提高了预测精度，可为水污染防治提供有价值的参考。

来源：2022年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第8期