遗传_BP神经网络法预测叶绿素a浓度变化 |
文件大小:0.25MB格式:pdf发布时间:2012-07-27浏览次数:次
【中文关键词】 | 叶绿素a 遗传算法 BP神经网络 回水区 预测模型   |
【摘要】 | 基于2009年—2010年对临江河回水区水质指标的监测数 据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的 指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。 |
【部分正文预览】 | 基于2009年—2010年对临江河回水区水质指标的监测数 据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的 指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好, 其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150~160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。 |
|
| ||||||||||||||
|
| ||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
【打印本页】 |