10.3969/j.issn.1672-643X.2006.01.015
BP神经网络在洞庭湖氨氮浓度预测中的应用
采用BP网络的三种改进算法,对洞庭湖桂花园8年(1995年~2002年)的氨氮浓度和其影响因子实测资料进行分析,建立了基于BP神经网络的氨氮浓度预测模型,并对三种改进算法的训练结果进行了比较.结果表明:作为数据驱动型模型的BP网络,用来建模的学习样本质量至关重要,可以直接影响网络的预测精度.1995年~2002年的丰水期(9月份)数据分布比较均匀,能让网络对样本充分学习,与传统的统计建模方法相比,预测精度较高,能较好地反映洞庭湖氨氮浓度与其影响因子之间变化规律.
BP神经网络、改进算法、浓度预测、样本质量、洞庭湖
17
X824(环境质量分析与评价)
2006-03-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
65-70