加权交叉验证神经网络在水质预测中的应用

被引：11

作者：

边耐政 ^{[1
]}

李硕 ^{[1
]}

陈楚才 ^{[2
]}

机构：

[1] 湖南大学信息科学与工程学院

[2] 津市市自来水有限责任公司

来源：

计算机工程与应用 | 2015年 / 51卷 / 21期

关键词：

神经网络; 水质预测; 交叉验证;

D O I：

暂无

中图分类号：

X832 [水质监测]; TP183 [人工神经网络与计算];

学科分类号：

090810 [水产品加工与质量安全]; 140502 [人工智能];

摘要：

在之前的研究中使用人工神经网络进行水质指标预测已经取得一定效果,在此基础上将交叉验证应用于人工神经网络的训练,获得更加准确的预测结果。以澧水某监测站的水质实测数据作为样本,选取总磷、总氮、溶解氧等6个指标,建立水质预测模型。在运用Levenberg-Marquardt优化算法对学习样本进行优化的基础上,采用加权的k-fold交叉验证方法来构建神经网络集合,构建集合时采取三种不同的混合方式:平均值、中间值和加权累积。针对不同的指标,进行了一系列的实验,总的来说,新的预测方法与简单0倍验证相比有更好的预测结果,在所有指标中氨氮和溶解氧含量预测准确率比其他指标高。

引用

页码：255 / 258

页数：4

共 7 条

[1]

BP神经网络算法的改进及应用 [J].