基于指标权重的湖库营养状态识别

• 作者: 龙必能
• 来源期刊: 水资源与水工程学报
• 学科: 地球科学
• 关键词: 营养状态识别 概率神经网络 熵权法 湖库
• 年，卷（期）: 2013,（6）
• 页码范围: 194-199
• 分类号: X524
• 语种: 中文

摘要

针对湖库营养状态识别未考虑指标权重及营养状态分级较少的不足,基于熵值法与概率神经网络(PNN)基本原理,提出熵值PNN湖库营养状态识别模型,以全国24个湖库营养状态识别为例进行分析.利用熵值法确定识别指标权重,依据我国湖库富营养化评价标准,将湖库营养状态划分为极贫营养～极重度富营养11个等级,提出基于改进的湖库营养状态识别等级标准,在等级标准域值间采用随机内插的方法生成样本对PNN模型进行训练和检验,利用正确识别率和运行时间对PNN模型性能进行评价.最后,基于两种方案对全国24个湖库营养状态进行识别.结果表明:①PNN模型对于随机生成的训练样本和检验样本的正确识别率分别达到98.9％、98.6％(5次平均),模型用于湖库营养状态识别是合理可行的.②湖库识别结果存在差异.比较而言,基于指标权重考虑的识别结果更能科学、客观地反映湖库营养状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙必能		3	10	2.0	3.0