几种神经网络模型在湖库富营养化程度评价中的应用
文件大小:0.46MB
格式:pdf
发布时间:2013-09-24
浏览次数:次
【中文关键词】 | 湖库 富营养化评价 RBF神经网络 GRNN神经网络 BP神经网络 Elman神经网络   |
【摘要】 | 基于我国湖库富营养化评价标准和RBF、GRNN、BP、Elman神经网络算法原理,分别构建RBF等4种神经网络湖库富营养化等级评价模型,采用内插法构造网络训练样本,把我国湖库富营养化评价等级临界值作为评价样本进行“预测” |
【部分正文预览】 | 湖库富营养化评价,就是通过与湖库营养状态有关的一系列指标及指标间的相互关系,对湖库的营养状态作出准确的判断 4。。湖库富营养化程度的表征和评价技术不仅能够应用于湖库科学、客观的描述和评估,且对于湖库的可持续管理和保护都具有重要意义。目前湖库富营养化评价的方法众多,主要有模糊度法 J、多目标模糊灰色决策法 J、模糊数学运算法 J、灰色局势决策 J、灰色聚类法 J、灰色层次决策法 。。、主分量分析法¨ 、贝叶斯公式法 、人工鱼群算法 等,这些研究取得了一定的成果,但也存在一些问题¨ 。近几年,随着人工神经网络技术的迅速发展和El益成熟,国内外的研究人员将其成功地运用于水环境的研究中,获得了相当满意的成果¨ 。笔者基于我国湖库富营养化评价标准和RBF、GRNN、BP、Elman神经网络算法原理,分别构建了RBF等4种神经网络湖库富营养化等级评价模型,对全国24个主要湖库富营养化程度进行评价,旨在将RBF等神经网络引入到湖库富营养化程度综合评价中,为湖库富营养化程度评价提供新的理论和方法。 |
|
暂无评论信息 |
|