基于灰色遗传算法的LM-BP的河流溶解氧预测

水质变化趋势已经成为全人类共同关注的热点问题，DO 含量的变化是衡量水体初级生产力高低的一个重要标志，同时也可以直接反映水体污染程度[ 1]。近几年，关于预测的方法主要有灰色理论、神经网络方法等。灰色理论主要通过对部分已知信息的生成、开发，提取有价值的信息、实现对系统运行行为、演化规律的正确描述和有效监控[ 2 ]，但灰色预测的拟合误差比较大。LM-BP 网络具有全局收敛、速度快、拟合能力强等特点，但其泛化能力不强，采用多次拟合测试的方法[ 3 ]能够在一定的程度上提高其泛化能力， 但有时训练测试上万次也不一定能获得很好的结果。缪新颖[ 4 ]等建立了一个基于Levenberg—Marquardt（LM）神经网络和遗传算法（GA）的DO 预测模型GA—LM，GA 具有很好的优化能力， 该方法相对于单纯的BP 方法来讲取得了很好的效果，但没有进一步测试结果，不能反映其泛化能力。