改进遗传神经网络及其在水体富营养化和藻类生长预测中的应用

• 作者: 姚志红 孔海南 潘伟 王臣 靳志成
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 水体富营养化 遗传算法 神经网络 蓝绿藻 量子平衡交叉算子
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 262-265
• 页数: 4页
• 分类号: TP301
• 字数: 2359字
• 语种: 中文
• DOI: 10.3321/j.issn:1006-2467.2008.02.024

摘要

水体富营养化是藻类爆发性生长的主要因素,为了对其进行实时监测预报,提出一种改进遗传神经网络(QGANN),以实现智能预测.该网络从遗传算法(GA)和神经网络(NN)两方面及其相互关系着手,构造了一个基于量子力学原理的量子平衡交叉算子,设计了一种NN混合优化策略,将两者合并共生获得了一类快速、高效的神经网络预测模型.水库和湖泊蓝绿藻爆发预测实验表明:该改进遗传算法(QGA)性能优良;QGANN的泛化能力明显提高,比未经改进的方法(GAsNN)及简单改进的方法(DCGANN)取得了更加满意的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚志红	上海交通大学电子信息与电气工程学院	8	81	6.0	8.0
2	孔海南	上海交通大学环境学院	122	2321	25.0	41.0
3	潘伟	上海交通大学电子信息与电气工程学院	10	123	6.0	10.0
4	靳志成	上海交通大学电子信息与电气工程学院	2	16	2.0	2.0
5	王臣	上海交通大学电子信息与电气工程学院	2	18	2.0	2.0