检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于不同人工神经网络的水质预测方法对比

环境科学 2024年第10期45卷 5761-5767页

作者：肖明君朱逸纯高雯媛曾钰李濠陈硕夫刘萍黄红丽湖南农业大学环境与生态学院长沙410128 湖南省生态环境监测中心长沙410000

利用现有水质数据对未来水质变化进行预测是实现区域规划与流域管理的有效工具.基于2022年4月至2022年5月湘江流域衡阳段水质监测数据,构建了反向传播神经网络(BPNN)与卷积神经网络(CNN)水质指标预测模型,并对高锰酸盐指数的预测结果进... 详细信息

利用现有水质数据对未来水质变化进行预测是实现区域规划与流域管理的有效工具.基于2022年4月至2022年5月湘江流域衡阳段水质监测数据,构建了反向传播神经网络(BPNN)与卷积神经网络(CNN)水质指标预测模型,并对高锰酸盐指数的预测结果进行了比较分析.数据显示,BPNN模型的预测值与真实水质情况基本吻合,但在拟合过程中出现了过拟合现象,利用粒子群算法(PSO)改进BPNN模型的参数选择方式,能够避免这一现象.而CNN模型拥有更复杂的结构、更科学的拟合方法,从而避免了模型在拟合过程中陷入局部极值,同时提高了模型预测结果的准确性.以不同模型的均方根误差(RMSE)、决定系数(R2)与平均绝对误差(MAE)作为评价参数,与传统的BPNN模型相比,PSO-BPNN模型中测试集的RMSE从0.2782 mg·L^(-1)降低到0.2109 mg·L^(-1),MAE从0.2223 mg·L^(-1)降低到0.1537 mg·L^(-1),R^(2)从0.8640提高到0.9218,PSO-BPNN模型拥有更加稳定的拟合效果.CNN模型测试集的RMSE、MAE和R^(2)分别为0.1220 mg·L^(-1)、0.0927 mg·L^(-1)和0.9705,显示CNN模型预测效果更好.

关键词：湘江流域水质预测机器学习人工神经网络模型性能

基于注意力机制优化的BiLSTM珠江口水质预测模型

在线全文

学校读者我要写书评

暂无评论

环境科学 2024年第6期45卷 3205-3213页

作者：陈湛峰李晓芳广东省生态环境监测中心广州510308

为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的Bi LSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模... 详细信息

为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的Bi LSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模型应用于珠江8个入海口水质预测,开展预测性能试验、泛化能力试验和特征参数扩展性试验.结果表明:①新模型在珠海大桥水质预测取得了较高的预测精度,预测值与实测值的均方根误差RMSE为0.0041 mg·L^(-1),决定系数R^(2)为98.3%.与Multi-Bi LSTM、Multi-LSTM、Bi LSTM和LSTM对比,表明新模型预测精度最高,验证了模型的精准性.②训练样本数量和预测步数均对模型预测精度产生影响,模型预测精度随着训练样本的增加而提升,海珠大桥断面总磷预测时,240组以上训练样本可获得较高预测精度;增加预测步数,会使模型预测精度迅速下降,预测步数大于5步时无法保障模型预测的可靠性.③将新模型应用于珠江8个入海口不同水质指标预测,预测结果均取得较高精度,模型具有较强的泛化能力;输入对象断面预测指标相关联的上游来水、降雨量等特征参数,能够提高模型预测精度.通过多方面多次试验,结果表明新模型能够较好地满足珠江口水质预测精度、适用性和扩展性要求,为复杂水动力环境水体水质高精度预测进行了新的探索.

关键词：特征注意力机制时间注意力机制 BiLSTM模型 LSTM模型珠江口水质预测

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的地表水水质预测模型

浙江大学学报（工学版） 2021年第4期55卷 601-607页

作者：许佳辉王敬昌陈岭吴勇浙江大学计算机科学与技术学院浙江杭州310027 浙江鸿程计算机系统有限公司浙江杭州310009

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络(GNN)的地表水水质预测模型.该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络(LSTM)建模水质指标序列在时间上的复杂依赖关系,将编码... 详细信息

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络(GNN)的地表水水质预测模型.该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络(LSTM)建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出.实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.

关键词：水质预测图神经网络(GNN) 深度神经网络长短时记忆网络(LSTM) 深度学习

在线全文

学校读者我要写书评

暂无评论

数据挖掘技术在松花江水质预测中的应用

哈尔滨工业大学学报 2011年第10期43卷 33-39页

作者：赵英崔福义郭亮哈尔滨工业大学城市水资源与水环境国家重点实验室哈尔滨150090

为更好地实现松花江水质预测,对水质的科学管理起到指导作用,应用人工神经网络技术(ANN,Artifical Neural Networts),利用松花江四方台监测站某连续3年水质数据,建立水质预测模型,实现对松花江主要污染指标CODMn的预测.为保证预测模型... 详细信息

为更好地实现松花江水质预测,对水质的科学管理起到指导作用,应用人工神经网络技术(ANN,Artifical Neural Networts),利用松花江四方台监测站某连续3年水质数据,建立水质预测模型,实现对松花江主要污染指标CODMn的预测.为保证预测模型具有较高的预测精度,将数据按月分期,应用聚类分析法对数据进行处理,剔除异常数据,使有效数据能够均匀分布.并通过测试研究验证聚类分析法处理数据后对预测精度的影响效果.结果表明,将聚类分析法应用到水质预测中后,可较大地改善模型预测效果,成绩显著.

关键词：水质预测预测模型聚类分析法人工神经网络

在线全文

学校读者我要写书评

暂无评论

一种多核加权支持向量机的水质预测方法

东南大学学报（自然科学版） 2011年第B09期41卷 14-17页

作者：梁雪春龚艳冰肖迪南京工业大学自动化与电气工程学院南京210009 河海大学商学院常州213022

提出一种基于多核加权支持向量机的水质预测方法.核函数及其参数选择与数据分布的情况密切相关,采用单一的核函数应对水资源质量评价指标的整个数据分布难以达到很好的预测结果.采用多核加权学习的核函数避免了核函数设计的盲目性和局... 详细信息

提出一种基于多核加权支持向量机的水质预测方法.核函数及其参数选择与数据分布的情况密切相关,采用单一的核函数应对水资源质量评价指标的整个数据分布难以达到很好的预测结果.采用多核加权学习的核函数避免了核函数设计的盲目性和局部最优等非线性优化问题.实例表明,该方法的预测结果是合理可行的,且与以往同类预测方法相比,有着更为客观,计算简便等优点.

关键词：多核学习支持向量机水质预测

在线全文

学校读者我要写书评

暂无评论

基于BP神经网络的松花江四方台水质预测

哈尔滨工业大学学报 2009年第6期41卷 62-66页

作者：郭亮王鹏赵英哈尔滨工业大学城市水资源与水环境国家重点实验室哈尔滨150090

为实现松花江四方台CODMn的预测,应用人工神经网络技术(ANN),在预测模型中采用LM(Levenberg-Marquardt)算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力.ANN样本集数据来源于1997～1999年3年的四方台监测站日检测水质数据.... 详细信息

为实现松花江四方台CODMn的预测,应用人工神经网络技术(ANN),在预测模型中采用LM(Levenberg-Marquardt)算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力.ANN样本集数据来源于1997～1999年3年的四方台监测站日检测水质数据.采用拉依达准则法剔除样本集异常数据.为更有效地评估预测模型的准确性,将松花江分为丰雨期、封冻期和其他月份来分别考察预测效果.并对1999年以后近期与远期的水质预测效果进行对比.结果表明:丰雨期预测效果最差,封冻期最好,其他月份介于之间,模型对近期水质的预测效果要明显好于对远期的预测效果.整体预测效果不错,可用于指导实际的水质管理.

关键词：水质预测 BP神经网络预测效果水质期

改进的QGA-BP模型在复杂水质预测中的应用

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2012年第4期25卷 705-708页

作者：于 汪家权合肥工业大学管理学院合肥230009 安徽理工大学计算机科学与工程学院淮南232001

水质预测是实现非线性水系统的柔性管理、防治水污染的前提工作.机理性水质预测模型的构建往往较复杂并且需要大量运算与数据,预测效果有时不够精确,其进一步推广应用也受到限制.文中以淮河复杂水环境非机理性水质预测为目的,构建改进... 详细信息

水质预测是实现非线性水系统的柔性管理、防治水污染的前提工作.机理性水质预测模型的构建往往较复杂并且需要大量运算与数据,预测效果有时不够精确,其进一步推广应用也受到限制.文中以淮河复杂水环境非机理性水质预测为目的,构建改进的量子遗传算法优化BP神经网络模型,采用动态改进策略和灾变策略作为进化操作准则来优化BP模型的权值和阈值,用历史观测数据作为学习范例训练模型.对比实验结果发现,模型改进以后,进化代数、收敛速度和预测结果的准确率有较大提高.该模型用于水质预测的黑箱问题是可行的,拓展水环境管理的思路.

关键词：改进的量子遗传算法优化BP神经网络(QGA—BP)模型水质预测动态改进策略灾变策略

在线全文

学校读者我要写书评

暂无评论

鄱阳湖水体污染现状与水质预测、规划研究

长江流域资源与环境 1996年第1期5卷 60-66页

作者：李博之江西师范大学地理系

从鄱阳湖的自然景观特征着手，在介绍了该水体污染现状的基础上，对其到本世纪末水质进行了预测、规划。

关键词：鄱阳湖水质预测水质规划水污染

在线全文

学校读者我要写书评

暂无评论

一种基于补偿模糊神经网络的水质预测方法

重庆建筑大学学报 2004年第5期26卷 77-81页

作者：王海云冯裕钊张晓清赵宏伟后勤工程学院建筑与环境工程系重庆400041

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节。介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂C... 详细信息

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节。介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型。实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用。

关键词：补偿模糊神经网络水质预测污水处理