基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl—a进行小波分析，将原序列分解成一个低频概貌分量和多个高频细节分量，再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量；模型Ⅱ则对低频部分和高频部分分别进行预测，最后汇总各分网络输出得到最终结果。对确证集预测时，模型Ⅰ的平均误差为4．4％，模型Ⅱ仅为1．9％，且误差范围较模型Ⅰ小，表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测，预测值与实际值的平均相对误差为6．4％，并选取3号点（中山码头）进行模型的泛化，平均相对误差为6．9％，取得了较理想的预测效果，说明小波神经网络能成功预测西湖水体中Chl—a含量的短期变化趋势，为西湖水质管理提供科学依据。

The model of chlorophyll-a concentration forecast in the West Lake based on wavelet analysis and BP neural networks