BP人工神经网络模型在太湖水污染指标预测中的应用

郭庆春, 何振芳, 李力, 李海宁

郭庆春, 何振芳, 李力, 李海宁. 2011: BP人工神经网络模型在太湖水污染指标预测中的应用. 南方农业学报, 42(10): 1303-1306. DOI: 10.3969/j.issn.2095-1191.2011.10.033
引用本文: 郭庆春, 何振芳, 李力, 李海宁. 2011: BP人工神经网络模型在太湖水污染指标预测中的应用. 南方农业学报, 42(10): 1303-1306. DOI: 10.3969/j.issn.2095-1191.2011.10.033
GUO Qing-chun, HE Zhen-fang, LI Li, LI Hai-ning. 2011: Application of BP neural network model for prediction of water pollutants concentration in Taihu Lake. Journal of Southern Agriculture, 42(10): 1303-1306. DOI: 10.3969/j.issn.2095-1191.2011.10.033
Citation: GUO Qing-chun, HE Zhen-fang, LI Li, LI Hai-ning. 2011: Application of BP neural network model for prediction of water pollutants concentration in Taihu Lake. Journal of Southern Agriculture, 42(10): 1303-1306. DOI: 10.3969/j.issn.2095-1191.2011.10.033

BP人工神经网络模型在太湖水污染指标预测中的应用

基金项目: 

国家重点基础研究发展规划(973计划)

详细信息
  • 中图分类号: 45-1381/S

Application of BP neural network model for prediction of water pollutants concentration in Taihu Lake

  • 摘要: [目的]利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考.[方法]利用2004~2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测.[结果]建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为V类水质,符合太湖水质污染情况发展态势.[结论]BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法.
计量
  • 文章访问数:  16
  • HTML全文浏览量:  2
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 刊出日期:  2011-10-29

目录

    /

    返回文章
    返回