基于QPSO-GRNN的水质氨氮预测建模

摘要：

BP（Back Propagation）网络在用于水质预测时，存在运算速度慢和易陷入局部最优的缺点，与传统的BP网络相比，广义回归神经网络(General Regression Neural Network，GRNN)的计算速度快，预测精度较高。光滑因子σ是广义回归神经网络的唯一待确定参数,它对网络的预测性能影响很大,本文采用量子粒子群算法（quantum particle swarm algorithm，QP-SO）优化算法对光滑因子进行估算,并通过GRNN构建水质预测模型。实验表明：该模型能较好地预测氨氮变化趋势，为科学管理水质提供必要依据。

关键词：BP神经网络、广义回归神经网络、量子粒子群算法、水质预测

分类号：TP18(自动化基础理论)

资助基金：轻工过程先进控制教育部重点实验室开放课题资助江南大学项目APCLI1004

在线出版日期：2013-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：5373-5376