基于神经网络的北京市水体水华短期预报系统

被引：19

作者：

刘载文 ^{[1
]}

杨斌 ^{[1
]}

黄振芳 ^{[2
]}

张艳 ^{[3
]}

机构：

[1] 北京工商大学信息工程学院

[2] 北京市水文总站

[3] 青岛黄海学院

来源：

计算机工程与应用 | 2007年 / 28期

关键词：

水华; 神经网络; 预报; 叶绿素; 北京;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP319 [专用应用软件];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081202 ;

摘要：

采用算法改进型的BP神经网络,选择叶绿素含量、磷、氮磷比、电导率和水温五个参数作为模型输入,以预测1日、3日和5日后的叶绿素含量为目标,构建了北京市长河水系水华短期预报系统。该系统三个周期的预测精度分别达到了97.2%、94%、88.3%,并且具有较好的泛化能力。相比于其它智能算法,BP神经网络结构简单、方便实用,仍然具有很强的应用性。

引用

收藏

页码：243 / 245

页数：3

相关论文

共 13 条

[1] 基于支持向量机的水质监测数据处理及状况识别与评价方法 [J].

管军 ;

徐立中 ;

石爱业 .

计算机应用研究, 2006, (09) :36-38

[2] 北京城区河湖水质分析 [J].

吴玉梅 ;

吴玉梅 ;

扬忠山 ;

武佃卫 ;

刘靖 .

湖泊科学, 2005, (04) :373-377

[3] 洞庭湖水体水质状况及运用小波神经网络对营养状态的评价 [J].

曾光明 ;

卢宏玮 ;

金相灿 ;

徐敏 .

湖南大学学报(自然科学版), 2005, (01) :91-94

[4] 利用模糊神经网络对湖泊富营养化程度进行评价的研究 [J].

吴利斌 ;

尚士友 ;

岳海军 ;

马清艳 .

内蒙古农业大学学报(自然科学版), 2004, (04) :67-70

[5] 人工神经网络模型在太湖富营养化评价中的应用 [J].

任黎 ;

董增川 ;

李少华 .

河海大学学报(自然科学版), 2004, (02) :147-150

[6] 基于D-S理论的多源水质监测数据融合处理 [J].

林志贵 ;

徐立中 ;

黄凤辰 ;

王鸿彦 ;

不详 .

计算机工程与应用 , 2004, (10) :3-5

[7] BP神经网络模型在水环境质量综合评价应用中的一些问题 [J].

楼文高 .

水产学报, 2002, (01) :90-96

[8] 湖库富营养化人工神经网络评价模型 [J].

楼文高 .

水产学报, 2001, (05) :474-478

[9] A multi-agency comparison of aquatic macroinvertebrate-based stream bioassessment methodologies [J].

Houston, L. ;

Barbour, M. T. ;

Lenat, D. ;

Penrose, D. .

ECOLOGICAL INDICATORS, 2002, 1 (04) :279-292

[10]

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