典型文献
基于ARIMA和Prophet的水质预测集成学习模型
文献摘要：
将时间序列模型ARIMA和Prophet作为基学习器,结合BP神经网络模型构建了水质预测集成学习模型.选取长江流域某断面2019-2020年的DO、CODMn、NH3-N、TP和TN等5个水质指标的监测数据对该模型的有效性进行了检验,结果表明:5个水质指标集成学习模型预测结果的平均绝对百分比误差比时间序列模型的预测误差分别低35.0％、29.9％、4.1％、40.6％和17.1％,模型预测值和监测值的皮尔逊相关系数大于0.8.集成学习模型预测精度高于单一模型,可以更精确地进行水质预测.
文献关键词：
水质预测;ARIMA模型;Prophet模型;集成学习
中图分类号：
作者姓名：
嵇晓燕;杨凯;陈亚男;姚志鹏;王正;安新国
作者机构：
中国环境监测总站,北京 100012;北京金水永利科技有限公司,北京 100012
文献出处：
引用格式：
[1]嵇晓燕;杨凯;陈亚男;姚志鹏;王正;安新国-.基于ARIMA和Prophet的水质预测集成学习模型)[J].水资源保护,2022(06):111-115
A类：
B类：
ARIMA,Prophet,水质预测,集成学习模型,时间序列模型,基学习器,长江流域,DO,CODMn,NH3,TP,TN,水质指标,指标集,平均绝对百分比误差,预测误差,皮尔逊相关系数
AB值：
0.273751
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
