级联加法TS型MLP预警藻类污染

摘要：

人工神经网络由于其很多的特点与优势,现已被广泛关注和运用.但是人工神经网络也存在学习过程易陷入局部极小、易出现震荡和网络存在冗余连接或节点等缺陷.针时这些不足,一种新的级联MLP神经网络CATSMLP比ATSMLP有更好的鲁棒性和高度的解释性,并且是一个万能逼近器,而且CATSMLP克服了一般多层感知器网络随着中间层数增多鲁棒性降低的缺点.藻类的生长是湖泊等水体污染程度的一个直接表现形式.在某些情况下,甚至精密仪器都不能测出某些藻类污染物,因此需要好的方法越来越受到专家学者们的重视.将其首次用于藻类污染预警,仿真试验表明其用于环境污染防治等方面有很好的效果,值得推广应用.

关键词：级联MLP、鲁棒性、解释性、叶绿素

所属期刊栏目：36

分类号：TP403

资助基金：国家863计划基金项目2007AA1Z158自适应的多通道选择机制和用户模型关键技术,江南大学青年基金2008LQN028人工智能、模糊系统等技术应用于防治环境污染,温州市清洁生产及其管理信息系统研究与设计环保项目资助

在线出版日期：2009-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：277-278