基于GA-BP与多隐层BP网络模型的水质预测及比较分析

• 作者: 王泽平
• 来源期刊: 水资源与水工程学报
• 学科: 地球科学
• 关键词: 神经网络 遗传算法 多隐含层 水质预测
• 年，卷（期）: 2013,（3）
• 页码范围: 154-160
• 分类号: TP183|X832
• 语种: 中文

摘要

采用循环算法确定最佳BP神经网络结构,建立BP神经网络水质模型进行预测.鉴于BP神经网络学习收敛速度慢、易陷入局部极值等缺点,在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建GA-BP以及多隐层BP神经网络水质预测模型,以云南省某水库总氮预测为例进行预测与比较分析.结果表明:①GA-BP网络水质模型预测精度高于基本BP网络,表明遗传算法能有效优化BP网络初始权值和阈值.②增加BP神经网络隐层数能进一步提高网络预测精度,但训练时间也随着延长.③GA-BP及多隐层BP可作为提高网络预测精度的有效方法,二者均可用于水质预测预报,可为水质预测预报提供新的途径和方法.相对而言,GA-BP模型收敛速度快、预测精度高,具有一定的计算优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王泽平		5	29	2.0	5.0