10.16232/j.cnki.1001-4179.2015.21.008
SSO-BP模型在水资源可再生能力评价中的应用
为评价区域水资源可再生能力,提出了水资源可再生能力评价指标体系和分级标准,构建了基于BP神经网络的评价模型,并以云南省文山州水资源可再生能力评价为例进行实例研究. 首先,遴选出单位面积水资源量等10个指标,构建水资源可再生能力评价指标体系和分级标准;其次,针对BP神经网络初始权值和阈值难以确定的不足,利用一种全新的仿生群体智能算法——群居蜘蛛优化( SSO)算法优化BP神经网络初始参数,提出了SSO-BP评价模型,并通过6个高维复杂函数对SSO算法进行验证,且与粒子群优化( PSO)算法进行对比;最后,利用SSO-BP模型对实例进行水资源可再生能力评价. 结果表明:① SSO算法具有较好的收敛精度和全局寻优能力,可有效提高BP神经网络模型的预测精度和泛化能力. ② 文山州各评价区域2014年水资源可再生能力处于最强与中等之间,符合区域现状.
水资源可再生能力、指标体系、BP神经网络、群居蜘蛛优化算法、参数优化、文山州、云南省
46
TV211.1
2015-12-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-38,75