基于BP神经网络的天津于桥水库CODMn预测研究

被引：15

作者：

赵英

崔福义

郭亮

赵志伟

机构：

[1] 哈尔滨工业大学城市水资源与水环境国家重点实验室

来源：

南京理工大学学报(自然科学版) | 2008年 / 03期

关键词：

水质预测; 反向传播神经网络; LM算法; 提前停止法;

D O I：

10.14177/j.cnki.32-1397n.2008.03.002

中图分类号：

X524 [湖泊、水库];

学科分类号：

0815 ;

摘要：

为了确保饮用水的安全,了解水源水质未来可能的变化趋势,为水质管理提供科学的依据,该文应用反向传播(BP)神经网络技术对天津于桥水库CODMn进行预测研究。在预测模型中采用LM算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力。人工神经网络样本集数据来源于2003～2005年的于桥水库日检测水质数据。为了更加有效地评估预测模型的准确性,该文把于桥水库的预测期分为丰雨期、封冻期和其它月份来分别考察预测效果。通过研究表明:于桥水库丰雨期预测效果最差,封冻期最好,其它月份介于两者之间,整体预测效果较好,可用于指导实际的水质管理。

引用

页码：376 / 380

页数：5

共 8 条

[1]

地表水厂原水水质预警系统研究及应用.[D].卢金锁.西安建筑科技大学.2006, 03

[2]

城市地下水水质水位预警的研究.[D].张蕾.天津大学.2006, 02

[3] BP神经网络算法的一种改进 [J].

王青海 .

青海大学学报(自然科学版), 2004, (03) :82-84

[4]

人工神经网络模型在黄河水质预测中的应用.[D].树锦.河海大学.2006, 08

[5]

河流水质模拟预测的常用方法研究与新方法探索.[D].武君.合肥工业大学.2005, 05

[6]

水库水质参数预测和富营养化预警.[D].刘涛.天津大学.2005, 06

[7]

神经网络与神经计算机.[M].庄镇泉等编著;.科学出版社.1992,

[8]

Performance of two stochastic approaches for forecasting water quality and streamflow data from Ye?ilιrmak River; Turkey.[J]..Environmental Modelling and Software.2005, 9

← 1 →