基于AM-MCMC的RAGA-BP网络在灌区水质评价中的应用

摘要：

BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模糊性,评价指标较多时运行速度慢,且由于训练样本少和代表性差,评价结果精度不高.建立了基于AM-MCMC算法的RAGA-BP模型,利用RAGA能够选出最优的BP网络初始结构;AM-MCMC算法模拟足够的代表性好的样本为BP网络训练所需,用于灌区的水质评价.实例研究表明,与传统的BP网络相比,基于AM-MCMC的RAGA-BP网络收敛速度提高约20%,评价结果与实际水质比较更为客观、合理.基于AM-MCMC的RAGA-BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价.此外,基于AM-MCMC的RAGA-BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性.

关键词：灌区水质评价、MCMC、AM算法、RAGA、BP

所属期刊栏目：39

分类号：S511;S341.1;Q945.12(禾谷类作物)

资助基金：武汉大学水资源与水电工程科学国家重点实验室开放基全2005B020;国家自然科学基金项目50609005;霍荚东青年教师基金101075;东北农业大学科学研究基金项目2008

在线出版日期：2008-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：463-467