基于RPROP算法的湖泊富营养化评价

根据湖泊富营养化程度影响因素多,评价因素与富营养化等级间的关系复杂且是非线性的特点,建立了湖泊营养状态的弹性BP人工神经网络模型,并应用于我国的湖泊营养状态评价。根据传统BP人工神经网络收敛速度不稳定,容易陷入局部极小点等特点,使用RPROP算法进行网络的训练。在分析BP神经网络和RPROP算法原理的基础上,指出了RPROP算法具有收敛速度快、不容易陷入局部极小点、自适应能力强等优点,并分析了原因。将RPROP算法训练的多层前馈神经网络用于湖泊富营养化评价,给出了网络模型,分析了隐含层神经元数目对网络训练和评价的影响。水质评价参数的训练和评价表明,RPROP算法的收敛速度快于传统BP算法,并且与传统的评价结果具有高度的相关性,是一种有效的方法。