基于LVQ等神经网络模型的湖库营养状态评价 |
文件大小:0.29MB格式:pdf发布时间:2014-07-01浏览次数:次
【中文关键词】 | 湖库营养状态评价模型 线性内插法   |
【摘要】 | 分别构建LVQ等4种湖库营养状态评价模型,采用线性内插法构造网络训练样本,对全国24个主要湖库营养状态进行评价,并与相关文献的评价结果进行比较。 |
【部分正文预览】 | 水体营养状态评价是对水体富营养化发展过程中某一阶段营养状况的定量描述,其主要目的是为了准确反映湖库水环境的质量和污染状况,并预测将来的发展趋势,为水体水质管理及富营养化防治提供科学依据。湖库营养状态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,而且对于湖库的可持续管理和保护具有重要意义[3]。人工神经网络( ANN) 是目前最活跃的前沿学科之一,尤其适合于处理非线性系统,广泛应用于湖库富营养化程度评价中[6 - 11]。然而,上述人工神经网络评价模型多限于BP、RBF 等少数几种神网络模型,LVQ、PNN、SOM 以及自组织竞争神经网络应用于湖库营养状态评价尚鲜于报道。基于此,本文偿试利用我国湖库营养状态分级标准,分别构建LVQ、PNN、SOM 以及自组织竞争神经网络湖库营养状态评价模型,对全国24 个主要湖库富营养化程度进行评价,旨在拓宽人工神经网络在湖库营养状态评价中的应用,为湖库营养状态评价提供新的理论和方法。 |
|
|||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
【打印本页】 |