基于粒子群优化径向基神经网络的水质指标预测

为掌握丹江口库区水质未来的变化趋势以及预防污染事件的发生,建立了一个水质指标的预测模型。利用库区某断面自动检测站的水质指标实测参数作为学习样本,选取化学需养量(COD)、生化需养量(BOD)、PH值、氨氮(NH3-N)、总磷(TP)、总氮(TN)等指标作为预测参数,运用粒子群算法优化RBF神经网络的预测模型,对丹江口库区水质指标进行预测,结果表明,利用基于粒子群优化径向基神经网络对水质指标预测具有较高的精度,相对误差小于7%,该模型具有良好的可行性和有效性。

基于BP神经网络的丹江口库区水质指标预测

为掌握丹江口库区水质未来的变化趋势以及预防污染事件的发生,建立了一个水质指标的预测模型。利用库区某断面自动检测站的水质指标实测参数作为学习样本,选取化学需养量(COD)、生化需养量(BOD)、pH值、氨氮(NH3-N)、总磷(TP)、总氮(TN)等指标作为预测参数,运用Levenberg-Marguardt优化算法对学习样本进行优化,建立基于反向传播(BP)神经网络的预测模型并应用于丹江口库区水质指标。结果显示,实际检测值与预测值相对误差小于7%,该模型具有良好的可行性和有效性。