一种基于RBF神经网络参数自优化的水质多步预测方法

摘要

本发明公开了一种基于RBF神经网络参数自优化的水质多步预测方法，首先通过在线水质监测仪器的远程传输，将各个监测站的数据存到本地服务器的数据库中，然后对水质样本序列进行归一化处理，计算自相关系数确定RBF神经网络的输入变量，将样本数据转化为RBF神经网络训练预测的标准动态序列数据格式，再以误差标准差作为目标函数，利用微分进化算法搜索确定RBF神经网络扩展系数spread的最优值，得到最优的预测模型，最后实时采样水质数据，用得到的最优预测模型，采用单点迭代的方法实现多步预测，并评价水质预测结果，实现预警的作用；本发明实现了智能化的水质预警。