双隐含层BP神经网络模型在老哈河水质预测中的应用

• 作者: 卢志宏 张福顺 查木哈 翟继武
• 来源期刊: 水资源与水工程学报
• 学科: 地球科学
• 关键词: 双隐含BP神经网络 河流水质 水质指标 缺失数据 拉格朗日插值法 水质预测 老哈河
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 水文水资源
• 页码范围: 56-61
• 页数: 6页
• 分类号: TP183|X832
• 语种: 中文
• DOI: 10.11705/j.issn.1672-643X.2018.02.10

摘要

为了快速准确预测老哈河水质,采用老哈河2011-2015年水质监测数据,运用拉格朗日插值法补充缺失值,分别对化学需氧量、生化需氧量、高锰酸盐指数和总磷浓度建立Levenberg-Marquardt优化的双隐含层BP神经网络模型,利用2011-2014的数据建立训练网络,以2015年的数据进行验证与测试.结果表明:五日生化需氧量预测模型,第一隐含层节点数为4,第二隐含层节点数为12时,决定系数0.7516(P=0.0003),平均相对误差25.73％;化学需氧量预测模型,第一隐含层节点数为12,第二隐含层节点数为10时,决定系数0.8875(P<0.0001),平均相对误差27.69％;高锰酸盐预测模型,第一隐含层节点数为6,第二隐含层节点数为3时,决定系数0.8547(P<0.0001),平均相对误差28.90％;总磷预测模型,第一隐含层节点数为12,第二隐含层节点数为12时,决定系数0.8892(P<0.0001),平均相对误差17.94％.应用拉格朗日插值法对缺失数据进行补充后建立的双隐含层BP神经网络模型相对误差均小于28.90％,模型的预测效果较好,其中总磷浓度预测效果最好.通过拉格朗日插值,可以建立老哈河赤峰段甸子点位污染指标的双隐含层人工神经网络模型进行水质预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张福顺	中国农业科学院草原研究所	21	95	6.0	8.0
2	查木哈		3	20	2.0	3.0
3	卢志宏		21	22	3.0	4.0
4	翟继武		6	15	3.0	3.0