论文研究-基于RBF神经网络的水体富营养化预测 .pdf

所需积分/C币:9 2019-08-17 11:14:32 230KB .PDF
0
收藏 收藏
举报

基于RBF神经网络的水体富营养化预测,张艳,杨斌,采用RBF神经网络建模,对西湖水体富营养化状况进行预测。结果表明,RBF神经网路具有较好的泛化能力,预测精度高,相比于其它神经网
山国利技记文在线 表输入变量的主成分分析结果 主成分系数 主成 分 从表可以看到:第主成分中以 的贡献系数较人,第主成分 中以 的贡献系数较大 综上,权衡其它主成分,并结合水体富营养化的生物学机理,在人工神经网络模型中, 采用 五个参数作为神经网络的输入变量,通过插值得到每周的数 据。以为输出参数,用本周的检测值预测下周叶绿素的变化规律,并且分为五个等级, 分别对应贫营养、中营养、中富营养、富营养和重富营养,以表征水体的富营养化程度。 预测结果 经过插值,得到组数据,用来训练网路的数据为组,验证网络的是组。训练后 网络的预测值如表所示 表神经网络预测值与实际值比较 组数 实际值 预测值 相对误差 从上面的结果来看,神经网络模型可以对水体富营养化状况进行较为准确的预测 为了验证训练得到的网络的泛化能力,采用西湖4检测点的数据对网络的预测能力验 证,其结果如图所示: 预测主 1口 d 过x力 图网络泛化能力验证比较 山国利技记文在线 可以看出,的网络泛化能力较好。 结论 )从仿真和实际的测试结果来看,神经网终都能对水体富营养化进行较好的预 报,并且较其它神经网络模型简单实用。经过比较可以发现,神经网络在泛化能力、 预测精度等方面均要优于刚络。 ()通过主成分分析,我们认为,总磷()是对水体富营养化有重要的影响因子之 ,在神经网络建模中应该考虑这一因素的影响 ()光照强度也是个对水体富营养化有重要影响的因了,如果将这参数也作为网 终的一个输入,网络的预测精度可能会进一步提高,我们将在今后的研究中进一步探索和验 证。 山国武技文在线 参考文献 楼文高,湖库富营养化人工神经网络评价模型,水产学报, 普光明,卢宏玮,佥相灿等,洞庭湖水体水质状况及运用小波神经网络对营养状态的评价,湖南大 学学报(自然科学版), 吴利斌,尚士友,岳海军等,利用模糊神经网络对淛泊富营养化程度进行评价的硏究,内蒙古农业 大学学报,, ) 表洪平,罗妮娜,蒋勇。利用神经网络方法预测西減叶绿素的浓度,生态学宝 作者简介: 张艳 女,山东平度人,本科,青岛黄海职业学院机电系专业课教师,研究方向为智 能控制 杨斌 ,男,山东烟台人,北京工商大学硕士,研究方向为水处理系统的自动控制

...展开详情
试读 5P 论文研究-基于RBF神经网络的水体富营养化预测 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_39840914 如果觉得有用,不妨留言支持一下
2019-08-17
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    论文研究-基于RBF神经网络的水体富营养化预测 .pdf 9积分/C币 立即下载
    1/5
    论文研究-基于RBF神经网络的水体富营养化预测 .pdf第1页

    试读结束, 可继续读1页

    9积分/C币 立即下载 >