遺傳_BP神經網絡法預測葉綠素a濃度變化 |
文件大小：0.25MB格式：pdf發布時間：2012-07-27瀏覽次數：次
| 【中文關鍵詞】 | 葉綠素a 遺傳算法 BP神經網絡 回水區 預測模型 |
| 【摘要】 | 基于2009年—2010年對臨江河回水區水質指標的監測數 據,采用遺傳算法結合BP神經網絡的方法對回水區的葉綠素a(Chl-a)濃度變化進行動態模擬預測。通過灰色關聯法確定了對Chl-a濃度有顯著影響的 指標與網絡輸入變量,即水溫、DO、流速、透明度(SD)、TP、CODMn及Chl-a。 |
| 【部分正文預覽】 | 基于2009年—2010年對臨江河回水區水質指標的監測數 據,采用遺傳算法結合BP神經網絡的方法對回水區的葉綠素a(Chl-a)濃度變化進行動態模擬預測。通過灰色關聯法確定了對Chl-a濃度有顯著影響的 指標與網絡輸入變量,即水溫、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模擬結果表明,遺傳-BP神經網絡的預測值和實測值吻合較好, 其相對誤差約為9.8%,模型可良好地用于次級河流回水區葉綠素a濃度的短期預測。預測結果表明,在春末夏初季節,當水庫蓄水位為150～160 m時,臨江河回水區富營養化潛勢較高,尤其應注重臨江河該時段富營養化的防控工作。 |
|
| ||||||||||||||
|
| ||||||||||||||
|
|||||||||||||||
|
|
|||||||||||||||
|
|||||||||||||||
|
【打印本頁】 |
|||||||||||||||
