摘要
针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.
学科与关键词
关键词
水质评价多参数遗传算法BP神经网络TS模糊神经网络 water quality evaluationmulti-parametergenetic algorithmBP neural networkTS fuzzy neural network
- 基于模糊神经网络的工业废水处理预测研究万金泉; 黄明智; 马邕文中国造纸学报, 2008, (02): 96-99.
- 模糊优选神经网络模型在水资源价值评价中的应用邱林; 任国源; 王文川; 雷冠军; 闫海龙水资源研究, 2015, (04): 320-329.
- 最小二乘支持向量机在太湖流域水质评价中的应用陈曦; 仇蕾; 黄泽元水生态学杂志, 2013, (06): 16-21.
