基于arma-bp集成的藻类叶绿素a预测研究

藻类叶绿素a浓度是反映太湖水体富营养化程度的重要参数指标。以太湖2010—2011年5—10月旬平均叶绿素a浓度和气象资料数据作为建模样本,通过对气象资料进行主成分分析,得到4种主要气象因子作为输入,建立时间序列arma预测模型与bp神经网络预测模型,并对2012年数据进行预测。利用两种模型在线性空间和非线性空间的预测优势,将叶绿素a数据结构分解为线性自相关主体和非线性残差两部分。首先用arma模型预测序列的线性主体,然后用bp模型对其非线性残差进行估计,最终集成整个序列的预测结果,建立了arma-bp预测模型。3种模型的预测效果为arma-bp＞bp＞arma。