基于BPNN的一江两河流域水体中重金属浓度预测
Prediction of heavy metal concentration in water of one river and two tributaries based on BPNN作者机构:西藏大学理学院拉萨850000
出 版 物:《环境化学》 (Environmental Chemistry)
年 卷 期:2023年第42卷第5期
页 面:1612-1622页
核心收录:
基 金:第二次青藏高原综合科学考察研究项目(2019QZKK0603) 国家自然科学基金(22266032) 西藏自治区科技厅中央引导地方项目(XZ202202YD0016C) 2021年环境化学与生态毒理学国家重点实验室开放基金(KF2021-05)资助
主 题:反向传播神经网络(BPNN) 一江两河流域 重金属 青藏高原
摘 要:本文将反向传播神经网络(BPNN)应用于青藏高原一江两河流域(雅鲁藏布江山南段、拉萨河、年楚河)水体中重金属浓度预测,探讨了输入变量、预测因子、隐藏层节点数和模型结构的影响.模型以溶解氧(DO)、pH、电导率(EC)、总磷(TP)、铁(Fe)作为网络的输入层,重金属砷(As)、锑(Sb)、钼(Mo)、锰(Mn)的含量作为网络的输出层,使用Levenberg-Marquardt(LM)算法进行训练.其中,BPNN隐藏层的传递函数为tansig,隐藏层节点数为9,输出层的传递函数为purelin,输出层节点数为4.结果表明:(1)以单个元素作为预测因子时,As、Sb、Mo、Mn预测值和实测值的决定系数(R2)分别为0.98、0.933、0.894、0.928;均方根误差(RMSE)分别为:9.7168×10^(−4)、1.2508×10^(−4)、3.3159×10^(−4)、1.9188×10^(−3).(2)以4个元素作为预测因子时,预测值和实测值的决定系数(R2)为0.888;均方根误差(RMSE)为2.1766×10^(−3).R2值越高,RMSE值越低,表明实测值和预测值拟合程度和适应性良好,证明BPNN能较好地应用于青藏高原一江两河流域水体中重金属浓度预测.