共查询到18条相似文献,搜索用时 109 毫秒
1.
人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿,其在水质评价方面的应用研究在国内外尚处于初创阶段。在详细分析LM算法的基础上,提出了基于LM算法的水质综合评价BP模型,并将该模型应用于实例进行效果检验。结果表明:LM—BP模型用于水质综合评价是可行的,与其它评价方法相比,评价结果更加客观、合理,而且网络训练速度最快,适合作为水质综合评价的通用模型。 相似文献
2.
BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模型性,评价指标较多时运行速度慢,且训练样本少、代表性差,评价结果精度不高。为此,建立了基于AM-MCMC算法的BP模型。利用AM-MCMC算法模拟足够的代表性好的样本以为BP网络训练所需,用于灌区的水质评价。实例研究表明,与传统的BP网络相比,基于AM-MCMC的BP评价结果与实际水质比较更为客观、合理。基于AM-MCMC的BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价。此外,基于AM-MCMC的BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性。 相似文献
3.
基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用 总被引:12,自引:0,他引:12
本文采用遗传学习算法和误差反向传播算法(BP)相结合的混合算法来训练前馈人工神经网络(BPN),即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。作为实例,本文将该方法运用于多维时序问题。根据山东省黑旺铁矿的矿坑充水条件建立了一个网络,以矿坑充水的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络预测矿坑涌水量。网络的训练速度及预测结果表明,该算法收敛速度较快,预测精度很高,为矿坑涌水量预报提供了一种新思路和新方法。 相似文献
4.
人工神经网络在综合水质评价中的应用 总被引:10,自引:0,他引:10
人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿,其在水质评价的应用研究在国内外尚处于初创阶段。在详细分析LM算法的基础上,提出了基于LM算法的水质综合评价BP模型,并将该模型应用于实例,进行效果检验。结果表明:LM-BP模型用于水质综合评价是可行的,与其它评价方法相比,评价结果更加客观、合理,而且网络训练速度最快,适合作为水质综合评价的通用模型。 相似文献
5.
基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价 总被引:4,自引:0,他引:4
引入人工神经网络(ANN)理论,提出了水环境质量综合评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。与传统评价方法相比,本模型全面考虑多种因素,评价结果更为客观、合理;相应所开发的评价系统适应性强,通用性好,简单易用,具有优越性。 相似文献
6.
7.
将人工神经网络技术应用于径流水量还原计算.建立起径流水量还原计算的BP网络模型。利用山西省第二次水费源评价1980~1999年的单站费料,对所建立的BP网络模型进行训练和检验.所得结果精度完全满足要求,为水量还原计算提供一种新的思路。 相似文献
8.
9.
非点源污染河流水质的人工神经网络模拟 总被引:3,自引:0,他引:3
本文应用非点源污染河流水质的BP人工神经网络模型,模拟长乐江水体的总氮、总磷和溶解氧浓度的变化。通过模拟的水质参数相关性分析,协同非点源污染河流的机理性水质模型分析,确定适当的BP网络模型结构。采用实测的水质、水文逐月数据资料,对不同结构的BP网络模型进行了训练与验证。结果表明,相关性与机理性模型协同分析的方法,能较好地解决BP网络输入层参数的选择问题,所选择的参数较全面地表达了流域非点源污染发生的主要驱动因素和河流中污染物自净过程的主要影响因素。BP网络模型可以较精确地模拟非点源污染河流的水质变异,各水质参数模拟结果的平均相对误差在±10%以内。单隐含层结构的BP网络模型模拟结果比多隐含层结构模型结果更准确;单参数输出结构的网络模型模拟结果,优于多参数输出结构模型的模拟结果。 相似文献
10.
基于BP神经网络在白洋淀水质综合评价中的应用 总被引:1,自引:0,他引:1
张彦 《河北水利水电技术》2014,(3):63-66
选用2012年为现状年,应用BP神经网络建立白洋淀水质综合评价模型,用训练好的BP神经网络模型对白洋淀各监测断面的水质现状进行类别评价。结果显示,与单因素评价法相比,BP神经网络法是一种更加客观、有效和实用的环境质量评价方法。 相似文献
11.
针对传统水质预测方法存在预测精度不理想以及对实测数据要求较高的问题,建立基于BP神经网络的水质预测模型,以掌握研究流域未来一定时段的水环境质量情况。模型以潇河流域6个水质监测断面2017年1月-2020年5月的重铬酸盐指数和高锰酸盐指数的浓度作为训练集,以2020年6月-2020年8月的水质数据作为验证集进行模拟与预测。结果表明:BP神经网络模型经训练后,模拟的各断面水质指标平均相对误差均小于7%,相关性系数均超过了0.98,验证集的水质指标平均相对误差均小于18%。构建的BP神经网络模型预测精度较高,可以用于潇河流域的水质预测。 相似文献
12.
为进一步提高内陆水体水质参数遥感反演的准确性,北京市温榆河被选为研究对象,研究选取ETM+数据和准同步实测水质指标(浊度、BOD;)数据,建立了多个隐含层数目为1的BP神经网络模型,并选出分别针对浊度和BOD5的最佳神经网络模型,利用ETM+影像的波段组合值反演了浊度和BOD,浓度值。最后将其反演结果与常规多元线性回归模型的反演结果进行精度比较。结果表明:温榆河的水质参数遥感反演为非线性问题,使用BP神经网络方法进行浊度与BOD,两种水质参数反演的结果优于线性回归方法的反演结果。 相似文献
13.
14.
15.
本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明:优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。 相似文献
16.
17.
针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5%以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型. 相似文献