基于FOA-GRNN模型的太湖水质预测研究
由于水环境较为复杂,传统水质预测方法难以建立理想的非线性系统.为了提高水质预测精度,提出一种利用果蝇算法(fruit fly optimization algorithm,FOA)改进广义神经网络(general regression neural network,GRNN)的水质预测模型.利用果蝇优化算法具有的全局寻优特性可以对关键参数进行寻优的特点,结合广义神经网络的高精度逼近能力,建立了 FOA-GRNN水质预测模型.选取太湖水域0号观测站采集到的溶解氧、温度、总氮、总磷等4项数据,使用线性插值法、平滑法与归一法对数据进行预处理并实验仿真.仿真结果表明,FOA-GRNN的预测结果接近真实值,其4项预测指标的均方根误差分别为0.164 83、0.250 39、0.126 59、0.111 19,达到理想结果,具有稳定性强、精度高的优点,在水质预测方面有很大的实际应用价值.
广义神经网络、果蝇优化算法、数据预处理、水质预测
35
TP391;TN919(计算技术、计算机技术)
国家重点研发计划2018YFB1403303
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
83-90