动态聚类最近邻法在湖库蓝藻水华预测中的应用

[目的]探索湖库蓝藻水华的有效预测方法,为水环境污染防治关键问题的解决提供科学依据.[方法]结合蓝藻水华演化中表现出的混沌类随机特点,提出一种基于有效性函数优化的动态聚类算法,以实现蓝藻水华动态、小范围近邻优化预测的目的.首先,基于动态聚类算法对监测数据进行典型类的客观划分,为后续有效减小搜索空间,提高预测精度奠定基础;而后采用粒子群算法优化得到各类的最佳近邻个数,以确定参与回归建模的观测值数量;最后依据最近邻观测数据建立动态回归预测模型.[结果]采用太湖金墅监测站点2011年叶绿素a浓度测定值进行建模,之后对2012年叶绿素a浓度进行短期预测.新建模型的预测值与实际值运行趋势一致,且相对误差为12.02％,而基于传统聚类线性回归算法的相对误差为15.21％,基于BP神经网络预测算法的相对误差为19.51％,相空间重构算法的相对误差为38.42％.[结论]算例结果表明该方法的预测精度相对较高,证明了所提优化预测方法的可行性与有效性.