當(dāng)前位置：水工業(yè)網(wǎng) > 案例 > LM-BP神經(jīng)網(wǎng)絡(luò)在于橋水庫(kù)水質(zhì)預(yù)測(cè)中的應(yīng)用
LM-BP神經(jīng)網(wǎng)絡(luò)在于橋水庫(kù)水質(zhì)預(yù)測(cè)中的應(yīng)用
文件大小：0.88MB
格式：pdf
發(fā)布時(shí)間：2013-01-30
瀏覽次數(shù)：次
| 【中文關(guān)鍵詞】 | BP神經(jīng)網(wǎng)絡(luò) L-M算法 水質(zhì)預(yù)測(cè) |
| 【摘要】 | 利用 BP 神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法（L-M），通過對(duì)大量樣本進(jìn)行多次的訓(xùn)練學(xué)習(xí)，建立于橋水庫(kù)水質(zhì)預(yù)測(cè)模型，用該模型對(duì)于橋水庫(kù)高錳酸鹽指數(shù)、五日生化需氧量、氨氮、溶解氧等污染指標(biāo)進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果表明，LM-BP 神經(jīng)網(wǎng)絡(luò)模型用在于橋水庫(kù)水質(zhì)預(yù)測(cè)時(shí)是可行的，可以得到較為理想的的精度和可靠度。 |
| 【部分正文預(yù)覽】 | 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks， ANN）是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布 式并行信息處理的算法數(shù)學(xué)模型。BP 神經(jīng)網(wǎng)絡(luò)是 人工神經(jīng)網(wǎng)絡(luò)中最為重要的網(wǎng)絡(luò)之一，也是迄今為 止，應(yīng)用最為廣泛的網(wǎng)絡(luò)算法，實(shí)踐證明這種基于 誤差反傳遞算法的 BP 網(wǎng)絡(luò)有很強(qiáng)的映射能力，可以 解決許多實(shí)際問題 [1]。 水環(huán)境污染是多種因素影響的結(jié)果，具有非線 性、不確定性和模糊性。本文通過 BP 神經(jīng)網(wǎng)絡(luò)模 型對(duì)于橋水庫(kù)高錳酸鹽指數(shù) 、五日生化需氧量 、氨 氮、溶解氧等污染指標(biāo)進(jìn)行了預(yù)測(cè)，為水質(zhì)預(yù)測(cè)工 作提供了新的思路。 |
|
|
暫無評(píng)論信息 |
|
