留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PSO算法的BP神经网络对水体叶绿素a的预测

虞英杰 蒋卫刚 徐明芳

虞英杰, 蒋卫刚, 徐明芳. 基于PSO算法的BP神经网络对水体叶绿素a的预测[J]. 环境科学研究, 2011, 24(5): 526-532.
引用本文: 虞英杰, 蒋卫刚, 徐明芳. 基于PSO算法的BP神经网络对水体叶绿素a的预测[J]. 环境科学研究, 2011, 24(5): 526-532.
YU Ying-jie, JIANG Wei-gang, XU Ming-fang. Prediction of Chlorophyll a by BP Neural Network based on PSO Algorithm[J]. Research of Environmental Sciences, 2011, 24(5): 526-532.
Citation: YU Ying-jie, JIANG Wei-gang, XU Ming-fang. Prediction of Chlorophyll a by BP Neural Network based on PSO Algorithm[J]. Research of Environmental Sciences, 2011, 24(5): 526-532.

基于PSO算法的BP神经网络对水体叶绿素a的预测

基金项目: 广东省科技计划项目(2009B011300003)

Prediction of Chlorophyll a by BP Neural Network based on PSO Algorithm

  • 摘要: BP神经网络(Back Propagation Network)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(PSO)算法的BP神经网络模型,利用PSO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—2010年3月的月样本插值为周样本,对明湖ρ(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.

     

  • [1] 王蕾,杨敏,郭召海,等.密云水库水质变化规律初探[J].中国给水排水,2006,22(13):45-48.
    [2] OH H M, AHN C Y,LEE J W,et al. Community patterning and identification of predominant factors in algalbloom in Daechung Reservoir (Korea) using artificial neural networks[J]. Ecol Model,2007,203:109-118.
    [3] 陈家琦,杨小柳.水资源学[M].北京:科学出版社,2002.
    [4] KARUL C,SOYUPAK S,CILESIZ A F, et al. Case studies on the use of neural networks in eutrophication modeling[J]. Ecol Model,2000,134(2):145-152.
    [5] 李广源.基于遗传算法的洞庭湖富营养化指标预测模型[J].水资源保护,2004,20(5):23-25.
    [6] 裴洪平,罗妮娜,蒋勇.利用BP 神经网络方法预测西湖叶绿素a 的浓度[J].生态学报,2004,24(2):247-251.
    [7] 纪洪杰,于淑花,李令春.对水库原水藻类的控制[J].中国给水排水,2007,23(6):49-51.
    [8] 李贺,刘春光,樊娟. BP神经网络在河流叶绿素a浓度预测中的应用[J].中国给排水,2009,25(5):75-79.
    [9] KUO J T,HSIEH M H,LUNGW S,et al. Using artificial neural network for reservoir eutrophication prediction[J]. Ecol Model,2007,200(1/2):171-177.
    [10] YABUNAKA K I,HOSOMIM,MURAKAMI A. Novel application of a back-propagation artificial neural network model for mulated to predict algal bloom[J]. Water Sci Technol,1997,36(5):89-97.
    [11] KEINER L E,YAN X H. A neural network model for estimating sea surface chlorophyll and sediments from thematic mapper imagery[J]. Remote Sens Environ,1998,66(2):153-165.
    [12] LEE J HW,HUANG Y,DICKMANM,et al. Neural network modelling of coastal algal blooms[J]. Ecol Model,2003,159(2/3):179-201.
    [13] 李祚泳,汪嘉杨,郭淳.PSO算法优化BP网络的新方法及仿真实验[J].电子学报,2008,36(11):2224-2228.
    [14] EBERHART R C,SHI Y. Comparison between genetic algorithms and particle swarm optimization[C]//Proc. 7th Ann. Conf. on Evolutionary Computation. Berlin: Springer-Verlag,1998:611-616.
    [15] 李士勇.蚁群算法及其应用[M].哈尔滨:哈尔滨工业大学出版社,2004.
    [16] KENNEDY J,EBERHART R C. A discrete binary version of the particles warm algorithm[C]//Proceedings of the IEEE congress on systems,man,and cybernetics. Piscataway NJ: IEEE Service Center,1997:4104-4109.
    [17] 张丽平.粒子群优化算法的理论与实践[D].杭州:浙江大学,2005.
    [18] 潘昊,侯清兰.基于粒子群优化算法的BP网络学习研究[J].计算机工程与应用,2006,16(4):41-43.
    [19] 宋乃华,邢清华.一种新的基于粒群优化的BP网络学习算法[J].计算机工程,2006,32(14):181-183.
    [20] 高尚,杨静宇.混沌粒子群优化算法研究[J].模式识别与人工智能,2006,19(2):266-270.
    [21] 刘希玉,刘弘.人工神经网络与微粒群优化[M].北京:北京邮电大学出版社,2008:284-286.
    [22] 金相灿,刘鸿亮,屠清瑛,等.中国湖泊富营养化[M].北京:中国环境科学出版社,1990:68-72.
    [23] 王文娟,曹俊兴,张元标,等.基于微粒群算法的神经网络储层物性参数预测[J].西南石油大学报,2007,29(6):31-34.
  • 加载中
计量
  • 文章访问数:  1837
  • HTML全文浏览量:  13
  • PDF下载量:  143
  • 被引次数: 0
出版历程
  • 收稿日期:  2010-10-08
  • 修回日期:  2010-11-27
  • 刊出日期:  2011-05-25

目录

    /

    返回文章
    返回