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:
文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法.以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(chl a浓度).检测集样本网络预测值与观测值的相关系数为0.894 3,平均绝对误差为11.33%.为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响.结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DO>COD>PO4-P>SST>pH>Oil>DIN>SiO3-Si.
推荐文章
基于人工神经网络的浮游植物密度预测模型研究
人工神经网络
浮游植物
赤潮
预测
利用人工神经网络模型评价胶州湾水域富营养化水平
人工神经网络
胶州湾
富营养化
评价
浮游植物密度的人工神经网络预测研究
赤潮
浮游植物密度
人工神经网络
遗传算法
预测
胶州湾叶绿素a浓度及浮游植物的粒级组成
叶绿素a
浮游植物
粒级组成
胶州湾
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 基于人工神经网络的胶州湾浮游植物生物量模拟
来源期刊 水道港口 学科 地球科学
关键词 人工神经网络 模拟 全局灵敏度分析 胶州湾
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 545-548
页数 分类号 X172|TP183
字数 3171字 语种 中文
DOI 10.3969/j.issn.1005-8443.2010.05.056
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 石洪华 56 715 17.0 24.0
3 方国洪 24 318 9.0 17.0
4 郑伟 22 344 12.0 18.0
7 孙玉茗 中国海洋大学数学科学学院 1 2 1.0 1.0
8 胡龙 复旦大学数学科学学院 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (2)
二级引证文献  (4)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人工神经网络
模拟
全局灵敏度分析
胶州湾
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
水道港口
双月刊
1005-8443
12-1176/U
大16开
天津市滨海新区塘沽新港二号路2618号
1980
chi
出版文献量(篇)
2218
总下载数(次)
5
总被引数(次)
9846
论文1v1指导