过程神经网络水华预测方法研究

摘要：

水华是水体富营养化的表现,会导致水体透明度下降,溶解氧降低,产生藻毒素,给人类居住环境和人体健康造成很大损害,水华已成为我国水资源保护急需解决的一个重大问题.在深入研究水华形成机理的基础上,通过化工正交实验分析和粗糙集理论,确定温度、溶解氧、叶绿素、氮磷比、总氮和光照作为水华预测的指标,叶绿素作为表征水华产生的指标,提出1种过程神经网络的水华预测模型.该模型将输入函数在给定精度下展开为1组正交基的有限项级数形式,将网络权函数表示为同1组基函数的展开形式,利用基函数的正交性来简化过程神经元对时间聚合运算的复杂性,同时通过变速率学习算法和加入动量项以提高网络的收敛速度,减少训练时所产生的振荡误差等问题.通过实验室数据的仿真,得到预测精确度为83.4%,证明本方法的有效性,为水华的预测提供1种有效途径.

关键词：水华预测、过程神经网络、变速率学习算法

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：北京市自然科学基金重点项目8101003;山西省科技攻关计划项目20100321022;北京市高校人才强教计划项目PHR201007123、PHR201008238

在线出版日期：2011-09-01（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：173-176