几种神经网络模型在湖库富营养化程度评价中的应用

• 作者: 崔东文
• 来源期刊: 水资源保护
• 学科: 地球科学
• 关键词: 湖库 富营养化评价 RBF神经网络 GRNN神经网络 BP神经网络 Elman神经网络
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 科学研究
• 页码范围: 12-18
• 页数: 7页
• 分类号: X524|TP183
• 字数: 5123字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6933.2012.06.003

摘要

基于我国湖库富营养化评价标准和RBF、GRNN、BP、Elman神经网络算法原理,分别构建RBF等4种神经网络湖库富营养化等级评价模型,采用内插法构造网络训练样本,把我国湖库富营养化评价等级临界值作为评价样本进行“预测”,将“预测”结果作为湖库富营养化程度评价等级的划分依据,对全国24个主要湖库富营养化程度进行评价.结果表明:RBF、GRNN、BP、Elman神经网络模型对全国24个主要湖库富营养化程度评价结果基本相同,表明研究建立的RBF等4种神经网络湖库富营养化程度评价模型和评价方法均是合理可行的,其评价精度高,可为湖库富营养化程度评价提供新的途径和方法.同BP和Elman网络算法相比,RBF与GRNN神经网络模型不仅对湖库富营养化程度评价结果完全相同,且模型具有收敛速度快、预测精度高、调整参数少(只有SPREAD参数),不易陷入局部极小值等优点,可以更快地预测评价网络,具有较大的计算优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔东文		90	901	17.0	26.0