基于BP神经网络的钱塘江水质指标的预测

2007, Vol. 41

Issue (2): 361-364

论文

基于BP神经网络的钱塘江水质指标的预测

1.浙江大学光电信息工程学系，浙江杭州 310027; 2.浙江省环境监测中心，浙江杭州 310012

全文: PDF

摘要：

为掌握钱塘江水质未来的变化情况以及预防污染事件的发生，建立了一个水质指标预测模型.利用钱塘江某行政交界断面的水质指标实测数据作为学习样本，选取了总磷、总氮、化学需氧量等9项指标作为预测参数，运用Levenberg-Marguardt优化算法对学习样本进行优化，建立了反向传播（BP）神经网络模型，并运用该模型对钱塘江水质指标进行了预测.结果表明，BP神经网络模型的预测精度较高，预测速度快，对大部分水质指标能够得到较好的预测值，相对误差的绝对值小于6％.此BP神经网络能够有效地应用于水质指标的预测和水质趋势的预警预报系统中.

关键词： 钱塘江')" href="#">钱塘江; 水质指标; BP神经网络; Levenberg-Marguardt算法

出版日期: 2007-02-05

作者简介: 王晓萍（1962－），女，浙江象山人，教授，主要从事环境检测技术与监测仪器的研究. E-mail: xpwang@zju.edu.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	王晓萍
	孙继洋
	金鑫

引用本文:

王晓萍孙继洋金鑫. 基于BP神经网络的钱塘江水质指标的预测[J]. J4, 2007, 41(2): 361-364.

WANG Xiao-Ping, SUN Ji-Xiang, JIN Xin. . J4, 2007, 41(2): 361-364.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2007/V41/I2/361

[1]	谢杰, 黄筱调, 方成刚, 周宝仓, 陆宁. 磨齿机电主轴热特性及热误差建模[J]. 浙江大学学报(工学版), 2018, 52(2): 247-254.
[2]	尤海辉, 马增益, 唐义军, 王月兰, 郑林, 俞钟, 吉澄军. 循环流化床入炉垃圾热值软测量[J]. 浙江大学学报(工学版), 2017, 51(6): 1163-1172.
[3]	巫江虹, 薛志强, 金鹏, 李会喜. 电动汽车热泵空调微通道换热器温度分布特性[J]. 浙江大学学报(工学版), 2016, 50(8): 1537-1544.
[4]	魏媛,冯天恒,黄平捷,侯迪波,张光新. 管网水质多指标动态关联异常检测方法[J]. 浙江大学学报(工学版), 2016, 50(7): 1402-1409.
[5]	刘磊,杨鹏,刘作军. 基于多源信息和粒子群优化算法的下肢运动模式识别[J]. 浙江大学学报(工学版), 2015, 49(3): 439-447.
[6]	黄晓烁,何衍,蒋静坪. 基于互联网无刷直流电机传动系统的控制策略[J]. J4, 2013, 47(5): 831-836.
[7]	童水光, 王相兵, 钟崴, 张健. 基于BP-HGA的起重机刚性支腿动态优化设计[J]. J4, 2013, 47(1): 122-130.
[8]	王德明, 王莉, 张广明. 基于遗传BP神经网络的短期风速预测模型[J]. J4, 2012, 46(5): 837-841.
[9]	赵振, 张树有. 全分断周期混合电流模型及其应用[J]. J4, 2012, 46(2): 301-308.
[10]	徐敬华, 张树有. 基于形态分布图与BP神经网络的三维模型检索方法[J]. J4, 2009, 43(5): 877-883.
[11]	宓云軿王晓萍金鑫. 基于机器学习的水质COD预测方法[J]. J4, 2008, 42(5): 790-793.
[12]	崔剑祁国宁纪杨建顾巧详苏少辉胡浩. 基于客户结构阶层和BP的PLM客户需求[J]. J4, 2008, 42(3): 528-533.
[13]	潘栋潘双夏冯培恩王维锐. 基于神经网络的减振器性能仿真[J]. J4, 2007, 41(11): 1898-1902.
[14]	穆宝忠刘玉玲陆祖康余飞鸿. 数码冲印颜色空间转化的神经网络优化[J]. J4, 2006, 40(9): 1494-1497.
[15]	王晓萍林桢金鑫. 紫外扫描式水质COD测量技术与仪器研制[J]. J4, 2006, 40(11): 1951-1954.

Viewed

Full text

Abstract

Cited

Shared

Discussed