基于PSO算法BP神经网络对水体叶绿素a预测.pdfVIP

下载本文档

7
0
约1.66万字
约 8页
2017-06-16 发布于福建
举报
版权申诉

基于PSO算法BP神经网络对水体叶绿素a预测.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第24卷第5期环境科学研究 V01．24．No．5 2011年5月 Re8earchofEnvironmentaIScience昌 May，20ll 虞英杰1，蒋卫刚2，徐明芳3+ 1．暨南大学水生生物研究所，广东广州 510632 2．华中科技大学经济学院，湖北武汉430074 3．暨南大学生物工程系，广东广州 510632 摘要：BP神经网络(Back PropagationNetwork)在水体富营养化评价及预测中已广泛应用，但传统BP算法的收敛速度慢并易陷入局部最优．提出了一种基于微粒群(Ps0)算法的BP神经网络模型，利用Ps0对神经网络的权值进行修正，优化神经网络结构及算法全局收敛性．选择最能代表明湖水质状况的5号采样点作为研究对象，把2009年4月一2010年湖的月样本插值为周样本，对明湖p(chla)的短期变化趋势进行了预测，并用6号采样点数据来验证网络的泛化能力．比较分析基于PsO算法的新模型与传统BP算法模型的预测精度表明，新模型有效克服了传统算法的缺点，提高了网络的预测能力和学习能力．关键词：BP神经网络；Ps0算法；预测；叶绿素a · 中图分类号：x703 文献标志码：A 文章编号：l001—6929(2011)05一0526—07 PredictionOf BP NeuralNetwOrkbasedOnPSO Chlorophy¨aby AIgOrithm YU Ying-jiel，JIANG Wei—gan92，XUMing-fan93 1．Instituteof 5l Hydrobiology，JinanUniversity，Guangzhou0632，China of 2．School ofScienceand Economics，HuazhongUniversity Technology，Wuhan430074，China of U 3．DepartmentBiology，Jinanniversity，Guangzhou510632，China Abstract：Back networkshavebeen usedintheevaluationand ofwater Propagation(BP)neuralwidely prediction eutrophication． tmditionalBP withlimited HoweVer，the ofthe has8low thi8 algorithm optimiza￡ionalgorithm8ystem convergence．Ininve8tigation， amodeloftheBPneuralnetworkbaBedontheParticle was ThestrllctuI℃ofthe Swa姗Optimization(PS0)algorithmproposed． neumlnetworkandtheoVeraU ofthe were tothe valueoftheneuml conVergenceaIgorithmoptimizedaccordin