期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Almon-BP时滞神经网络模型的叶绿素a趋势预测
1
作者 刘振旗 李建 江善虎 《南水北调与水利科技（中英文）》 CAS CSCD 北大核心 2024年第6期1137-1147,共11页
基于数据驱动的机器学习方法是预测叶绿素a的一种重要的非机理方法,但是现有以神经网络模型为代表的叶绿素a预测方法较少考虑藻类生消对环境因子的时滞效应。以三峡库区叶绿素a质量浓度较高的典型支流香溪河为研究区域,采用相关性分析... 基于数据驱动的机器学习方法是预测叶绿素a的一种重要的非机理方法,但是现有以神经网络模型为代表的叶绿素a预测方法较少考虑藻类生消对环境因子的时滞效应。以三峡库区叶绿素a质量浓度较高的典型支流香溪河为研究区域,采用相关性分析、主成分分析和灰色关联分析3种方法综合确定叶绿素a的主要贡献因子,利用交叉相关分析及Almon分布时滞模型筛选主要贡献因子中的时滞因子,并确定其最优滞后时间,在此基础上构建Almon-BP时滞神经网络模型进行叶绿素a趋势预测。结果表明:香溪河峡口主要时滞因子为气温、风速、太阳辐照、p H、溶解氧,最优滞后时间分别为4、2、3、7、3 d;香溪河平邑口主要时滞因子为水温、气温、风速、降雨量、太阳辐照、浊度、pH、溶解氧、三峡水位差、氧化还原电位、三峡水位,最优滞后时间分别为2、2、2、4、2、10、3、2、6、10、6 d;相比于只考虑叶绿素a主要贡献因子的BP神经网络模型(贡献因子-BP),Almon-BP时滞神经网络模型对香溪河峡口预测结果的均方误差(E_(MS))、均方根误差(E_(RMS))、平均绝对误差(E_(MA))、平均偏差(E_(MB))等误差指标分别降低44.4%、25.6%、31.3%、53.9%,对香溪河平邑口预测结果的E_(MS)、E_(RMS)、E_(MA)、E_(MB)等误差指标分别降低66.7%、42.1%、37.5%、45.8%。研究模型对叶绿素a预测具有较高的准确度,对叶绿素a早期预警具有重要意义。 展开更多
关键词 叶绿素a预测 主要贡献因子 时滞效应 最优滞后时间 Almon-BP模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部