中国学术期刊网络出版总库
  关闭
小波分解高、低频双自回归模型及其在水质监测中的应用  
   推荐 CAJ下载 PDF下载
【英文篇名】 A wavelet autoregressive model and its application to water quality forecast
【下载频次】 ★★★
【作者】 陈吉江; 毛洪翔; 李鹏程; 夏国团; 章卫军;
【英文作者】 CHEN Ji-jiang; MAO Hong-xiang; LI Peng-cheng; XIA Guo-tuan; ZHANG Wei-jun; Water Conservancy Bureau of Yuyao City; Ewaters Environmental Science &Technology ( Shanghai) Co.; Ltd.;
【作者单位】 余姚市水利局; 宜水环境科技(上海)有限公司;
【文献出处】 水利水运工程学报 , Hydro-Science and Engineering, 编辑部邮箱 2014年 02期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  CJFD收录刊
【中文关键词】 水库; 水质预测; 平稳时间序列; 小波分解; 自回归;
【英文关键词】 reservoir; water quality forecast; stationary time series; wavelet decomposition; autoregressive model;
【摘要】 针对一些水库水质监测数据序列不仅具有平稳性、周期性,而且具有显著的多尺度性的特点,在单一自回归模型的基础上,利用多尺度小波分析的原理与方法对水质数据序列作预处理,进行分解与重构,并对重构的不同尺度下的数据子序列分别建立高、低频自回归预测模型,最后叠加各尺度下的预测结果。将该方法应用于梁辉水库4种水质指标的预测研究,结果表明与单一自回归模型相比,预测精度有明显提高。
【英文摘要】 In general,water quality time series not only has stationary and periodicity characteristics,but also has obvious multi-scale features. To improve the precision of the traditional autoregressive models,which were once widely used for forecasting water quality,the autoregressive model combined with the multi-scale wavelet analysis theory is proposed as a new forecasting model called WAR( Wavelet Autoregressive Model). Finally,this new method and the traditional autoregressive model are applied to predict fou...
【更新日期】 2014-06-16
【分类号】 X832
【正文快照】 目前,水质预测主要利用监测的历史数据作为初始序列或训练数据,运用不同数学逻辑方法推算在各类影响因素作用下未来水质数据的发展趋势[1]。方法有时间序列模型[2]、灰色理论模型[3]、模糊理论模型[4]、回归模型和动态系统物元模型[5],以及近年来得到应用的人工神经网络[6]等。

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

环境科学、安全科学
  环境质量评价与环境监测
   环境监测
    水质监测
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号