基于Metropolis准则的BP模型改进及在太湖Chl-a预测中的应用

• 作者: 冯家成 李勇 李娜 单雅洁 钱佳宁
• 来源期刊: 环境工程
• 关键词: BP神经网络 Metropolis准则 模型适应性 叶绿素a浓度 太湖
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 技术及应用
• 页码范围: 161-168
• 页数: 8页
• 语种: 中文
• DOI: 10.13205/j.hjgc.202201024

摘要

水体富营养化及藻华暴发已成为湖泊治理中的主要问题,利用历史监测数据,采用BP神经网络对水体中叶绿素a(Chl-a)浓度进行预测,已成为藻华预警的主要手段.但该方法存在迭代速度慢、易陷入局部极值等局限性,导致产生拟合结果不优或预测误差较大等问题.利用Metropolis接受准则的全局寻优能力,将其与BP神经网络相结合构建MBP模型,并以太湖水体中Chl-a月均浓度为预测对象进行验证模拟.结果表明,基于2009-2016年太湖月平均相关水环境数据训练出的MBP模型,相较于传统BP神经网络具有以下特点:1)权值在迭代过程的初始阶段能更快地收敛于较优值,模型拟合效果与预测精度也有所提升;2)针对不同的数据情况(数据噪声与样本数量),MBP模型的平均预测误差较传统BP神经网络明显降低,具有较强的鲁棒性与稳定性.构建的MBP模型进一步拓展了传统BP神经网络在叶绿素a浓度预测模型中的应用.