水质分析神经网络.pptVIP

基于智能计算的影响河流水质的因素分析——神经网络部分 早期用于水质评价的方法 早期用于水质评价的方法主要有生物学评定方法和专家评价。 进入20世纪60年代，随着对水质评价的研究深入，逐步提出用数学模型来进行水质评价 此后，随着数学理论与方法本身的发展，以及计算机技术的发展，各种各样的新的水质评价方法蓬勃发展，不断涌现。 成果特色及创新点 目前，常用的水质评价方法主要有简单指数法、分级加权平均法、综合污染指数法、模糊数学法、普通概率统计法等。 近年来，智能优化算法的研究与应用越来越受到人们的重视 ，特别是神经网络优化算法、遗传算法以及相应的混合算法和支持向量机等已在水质识别问题方面得到了一定的应用。这些新方法可以克服传统方法的缺点，提高求解效率，将会得到越来越广泛的应用。 我们项目组采用将主成分分析法与分类预测相结合，神经网络和遗传算法智能计算结合的方法来进行研究的，效果也是很理想的。 BP网络模型及MATLAB BP神经网络是一种多层前馈型神经网络。构成神经网络的的基本三要素是神经元、网络结构和学习算法。 MATILAB中的神经网络工具箱以神经网络为基础，利用MATLAB脚本语言构造出典型的神经网络激活函数，使设计者对所选网络的计算变成对激活函数的调用，为用户提供了极大方便。 MATLAB实现 原始数据的预处理。将数据分为两部分：训练数据和预测数据（2:1），可以采用随机抽取数据