基于随机化方法的叶绿素a含量神经网络预测模型输入因子敏感性分析

• 作者: 全秀峰 刘伟 姚义振 蒋定国
• 来源期刊: 水利水电技术
• 学科: 地球科学
• 关键词: BP神经网络 叶绿素a 敏感性分析 随机化检验
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 水环境与水生态
• 页码范围: 175-181
• 页数: 7页
• 分类号: X824
• 字数: 4458字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2019.05.021

摘要

为了区分神经网络预测模型输入因子敏感性强弱,以探寻水体叶绿素a含量变化的主要影响因素,引入随机化方法,分别采用偏导、连接权值、改进连接权值、百分比扰动及改进扰动方法对叶绿素a含量神经网络预测模型输入因子进行1 000次敏感性分析,以计算结果均值对输入因子敏感性进行评价.结果 表明:引入随机化方法后,敏感性分析结果稳定,研究区域pH相对敏感度最高,光照、降雨量、极大风速相对敏感度最小.受输入因子波动范围过大影响,百分比扰动方法与其他敏感性分析方法得到的结论不一致;对扰动方法进行改进,基于输入因子标准差扰动进行敏感性分析,光照、降雨量、极大风速相对敏感度分别为0.032、0.030、0.029,pH相对敏感度为0.148,因子敏感性强弱与其他方法一致;改进的扰动方法物理概念清晰,耗机时少,易实现.研究结果可为基于神经网络分析水体水华主要影响因素提供方法,为水体治理措施有效开展提供研究基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伟	三峡大学水利与环境学院	49	206	7.0	13.0
2	蒋定国	三峡大学水利与环境学院	26	130	7.0	10.0
3	全秀峰	三峡大学水利与环境学院	4	2	1.0	1.0
4	姚义振	三峡大学水利与环境学院	2	0	0.0	0.0