您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

双隐含层BP神经网络模型在老哈河水质预测中的应用

文献类型： 中文期刊

作者： 查木哈 1 ; 卢志宏 1 ; 翟继武 1 ; 张福顺 1 ;

作者机构： 1.赤峰市环境监测中心站;铜仁学院;中国农业科学院草原研究所

关键词： 双隐含BP神经网络;河流水质;水质指标;缺失数据;拉格朗日插值法;水质预测;老哈河

期刊名称： 水资源与水工程学报

ISSN： 1672-643X

年卷期： 2018 年 02 期

页码： 56-61

收录情况： CSCD

摘要： 为了快速准确预测老哈河水质,采用老哈河2011-2015年水质监测数据,运用拉格朗日插值法补充缺失值,分别对化学需氧量、生化需氧量、高锰酸盐指数和总磷浓度建立Levenberg-Marquardt优化的双隐含层BP神经网络模型,利用2011-2014的数据建立训练网络,以2015年的数据进行验证与测试。结果表明:五日生化需氧量预测模型,第一隐含层节点数为4,第二隐含层节点数为12时,决定系数0.751 6(P=0.000 3),平均相对误差25.73%;化学需氧量预测模型,第一隐含层节点数为12,第二隐含层节点数为10时,决定系数0.887 5(P<0.000 1),平均相对误差27.69%;高锰酸盐预测模型,第一隐含层节点数为6,第二隐含层节点数为3时,决定系数0.854 7(P<0.000 1),平均相对误差28.90%;总磷预测模型,第一隐含层节点数为12,第二隐含层节点数为12时,决定系数0.889 2(P<0.000 1),平均相对误差17.94%。应用拉格朗日插值法对缺失数据进行补充后建立的双隐含层BP神经网络模型相对误差均小于28.90%,模型的预测效果较好,其中总磷浓度预测效果最好。通过拉格朗日插值,可以建立老哈河赤峰段甸子点位污染指标的双隐含层人工神经网络模型进行水质预测。

  • 相关文献

[1]河流水质的景观组分阈值研究进展. 刘珍环,李猷,彭建. 2010

[2]基于Box-Jenkins方法的黄河水质时间序列分析与预测. 孙国红,沈跃,徐应明,时桂玲,胡晶. 2011

[3]利用陆生高等植物治理富营养化水域研究. 宋祥甫,邹国燕,吴伟明. 2000

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台