基于GA优选参数的RBF神经网络水质评价

被引：7

作者：

何同弟 ^{[1
,2
]}

李见为 ^{[1
]}

黄鸿 ^{[1
]}

机构：

[1] 重庆大学光电技术及系统教育部重点实验室

[2] 河西学院机电工程系

来源：

计算机工程 | 2011年 / 37卷 / 11期

关键词：

径向基函数神经网络; 遗传算法; 优选参数; 高分辨遥感影像; 水质评价;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; X824 [水质评价];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 071012 ; 0713 ; 083002 ;

摘要：

为进一步提高多光谱图像水质反演的评价精度,提出一种基于遗传算法(GA)优选参数的径向基函数(RBF)神经网络水质评价方法。利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,得到符合条件且具有代表性的4类水质变量,对RBF神经网络进行训练和测试,用遗传算法对RBF神经网络的参数进行优化。在训练好的RBF神经网络模型基础之上对COD、NH3-N、DO、CODmn水质参数进行反演。实验结果表明,该水质反演模型较常规的方法有更高的反演精度。

引用

页码：13 / 15

页数：3

共 8 条

[1] 基于GA优选参数的SVM水质评价方法研究 [J].

周兆永 ;

汪西莉 ;

曹艳龙 .

计算机工程与应用 , 2008, (04) :190-193

[2] 基于BP神经网络模型的水质评价及预测 [J].

王艳琼 ;

白秀琴 .

武汉工业学院学报, 2007, (01) :64-67

[3] 一种基于改进遗传算法的新型小波神经网研究 [J].

张文广 ;

周绍磊 ;

戴邵武 ;

李新 ;

赵海鹰 .

计算机工程, 2006, (16) :198-200

[4] 改进BP神经网络在地下水环境质量评价中的应用 [J].

曹剑峰 ;

平建华 ;

SUMARE Oumar ;

姜纪沂 ;

沈媛媛 ;

钦丽娟 .

水利水电科技进展, 2006, (03) :21-23

[5] BP人工神经网络模型在珠江口水质评价中的应用 [J].

李占东 ;

林钦 .

南方水产, 2005, (04) :47-54

[6] 应用遥感技术监测和评价太湖水质状况 [J].

王学军 ;

马廷 .

环境科学, 2000, (06) :65-68

[7]

Environmetrical Treatment of Water Quality Survey Data from Yantra River, Bulgaria[J] . V. Simeonov,S. Stefanov,S. Tsakovski.Mikrochimica Acta . 2000 (1-2)

[8]

Particle swarm optimization. Kennedy J, Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

← 1 →