改进遗传神经网络及其在水体富营养化和藻类生长预测中的应用

被引：4

作者：

姚志红 ^{[1
]}

孔海南 ^{[2
]}

靳志成 ^{[1
]}

王臣 ^{[1
]}

潘伟 ^{[1
]}

机构：

[1] 上海交通大学电子信息与电气工程学院

[2] 上海交通大学环境学院

来源：

上海交通大学学报 | 2008年 / 02期

关键词：

水体富营养化; 遗传算法; 神经网络; 蓝绿藻; 量子平衡交叉算子;

D O I：

10.16183/j.cnki.jsjtu.2008.02.024

中图分类号：

X832 [水质监测];

学科分类号：

0804 ; 082803 ;

摘要：

水体富营养化是藻类爆发性生长的主要因素,为了对其进行实时监测预报,提出一种改进遗传神经网络(QGANN),以实现智能预测.该网络从遗传算法(GA)和神经网络(NN)两方面及其相互关系着手,构造了一个基于量子力学原理的量子平衡交叉算子,设计了一种NN混合优化策略,将两者合并共生获得了一类快速、高效的神经网络预测模型.水库和湖泊蓝绿藻爆发预测实验表明:该改进遗传算法(QGA)性能优良;QGANN的泛化能力明显提高,比未经改进的方法(GAsNN)及简单改进的方法(DCGANN)取得了更加满意的效果.

引用

页码：262 / 265

页数：4