基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了克服传统BP神经网络在水质评价中的不足,利用双极性S型函数输出可为正或负的特性以及LM算法具有梯度下降法的全局特性和高斯-牛顿的局部特性,对BP神经网络法进行改进,提出了基于双极性S型函数的改进型LM-BP神经网络模型的水质评价方法.应用结果表明,将此网络模型应用于水质评价是有效的、可行的.与其他评价方法相比,评价结果更加客观、合理.改进后的算法收敛速度较快,预测精度很高,为水质评价提供了一种新方法.
推荐文章
基于LM-BP神经网络的气阀故障诊断方法
Levenberg-Marquardt算法
BP神经网络
多级往复式压缩机
气阀故障
水质综合评价的LM-BP神经网络通用模型应用
水质评价
BP神经网络
L-M算法
通用模型
和声搜索算法改进BP网络在水质评价中的应用
和声搜索算法
BP神经网络
水质评价
基于BP神经网络模型的水质评价方法探讨
BP神经网络模型
水资源
水质评价
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进型LM-BP神经网络在水质评价中的应用
来源期刊 水资源保护 学科 地球科学
关键词 神经网络 双极性S型函数 LM算法 水质评价
年,卷(期) 2008,(4) 所属期刊栏目 科学研究
研究方向 页码范围 22-25,30
页数 5页 分类号 X824
字数 4059字 语种 中文
DOI 10.3969/j.issn.1004-6933.2008.04.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钱蔚 河海大学浅水湖泊综合治理与资源开发教育部重点实验室 3 96 3.0 3.0
2 华祖林 河海大学浅水湖泊综合治理与资源开发教育部重点实验室 65 885 18.0 26.0
3 顾莉 河海大学浅水湖泊综合治理与资源开发教育部重点实验室 19 192 9.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (150)
参考文献  (13)
节点文献
引证文献  (28)
同被引文献  (113)
二级引证文献  (89)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(5)
  • 参考文献(2)
  • 二级参考文献(3)
2004(7)
  • 参考文献(4)
  • 二级参考文献(3)
2005(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2013(9)
  • 引证文献(5)
  • 二级引证文献(4)
2014(15)
  • 引证文献(2)
  • 二级引证文献(13)
2015(15)
  • 引证文献(2)
  • 二级引证文献(13)
2016(14)
  • 引证文献(1)
  • 二级引证文献(13)
2017(13)
  • 引证文献(2)
  • 二级引证文献(11)
2018(19)
  • 引证文献(4)
  • 二级引证文献(15)
2019(15)
  • 引证文献(0)
  • 二级引证文献(15)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
神经网络
双极性S型函数
LM算法
水质评价
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水资源保护
双月刊
1004-6933
32-1356/TV
大16开
南京西康路1号
28-298
1985
chi
出版文献量(篇)
2713
总下载数(次)
7
总被引数(次)
34511
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导