GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

论文摘要

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.

论文目录

• 1 系统设计
•   1.1 硬件总体结构
• 2 数据获取与预处理
• 3 神经网络构造与改进
•   3.1 网络结构
•   3.2 网络参数优化
• 4 应用测试与分析
•   4.1 算法性能分析
•   4.2 优化后模糊神经网络水质评价分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 肖金球,周翔,潘杨,冯威,陈多观

关键词: 水质评价,多参数,遗传算法,神经网络,模糊神经网络

来源: 西南大学学报(自然科学版) 2019年12期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,自动化技术

单位: 苏州科技大学电子与信息工程学院,江苏省环境科学与工程重点实验室,苏州科技大学环境生物科技研究所

基金: 国家科技部重大水专项(2017ZX07205003),江苏省产学研前瞻性联合基金项目(BY2011132),江苏省研究生创新与教改项目(091580001),苏州科技大学研究生创新工程基金项目(SKCX17_025)

分类号: TP183;X84

DOI: 10.13718/j.cnki.xdzk.2019.12.015

页码: 110-119

总页数: 10

文件大小: 3597K

下载量: 337