几种神经网络模型在湖库富营养化程度评价中的应用

基于我国湖库富营养化评价标准和RBF、GRNN、BP、Elman神经网络算法原理，分别构建RBF等4种神经网络湖库富营养化等级评价模型，采用内插法构造网络训练样本，把我国湖库富营养化评价等级临界值作为评价样本进行“预测”，将“预测”结果作为湖库富营养化程度评价等级的划分依据，对全国24个主要湖库富营养化程度进行评价。结果表明：RBF、GRNN、BP、Elman神经网络模型对全国24个主要湖库富营养化程度评价结果基本相同，表明研究建立的RBF等4种神经网络湖库富营养化程度评价模型和评价方法均是合理可行的，其评价精度高，可为湖库富营养化程度评价提供新的途径和方法。同BP和Elman网络算法相比，RBF与GRNN神经网络模型不仅对湖库富营养化程度评价结果完全相同，且模型具有收敛速度快、预测精度高、调整参数少(只有SPREAD参数)，不易陷入局部极小值等优点，可以更快地预测评价网络，具有较大的计算优势。