改善BP神经网络在水质评价中应用探讨
最后更新时间:2024-03-08
作者:用户投稿本站原创
点赞:29059
浏览:132819
论文片段—水质评价论文,BP网络论文,遗传算法论文,LM算法论文,黄金分割算法论文,
摘要:水是万物生命之源,水环境管理的好坏影响到人类的生存与发展。而水环境质量评价是水环境管理工作的基础,传统的评价方法如单因子评价法和综合污染法,因其应用的局限性而备受质疑。因此,寻求一种客观、通用的水质评价方法显得尤为免费毕业论文。近年来,BP神经网络在模式识别的表现为之带来了可能。将BP神经网络应用在水质评价中,可以克服传统评价方法的缺点,为各个河流水质类别的纵向对比了可能保险论文。但BP网络自身的缺陷与水质评价的特殊性,使得BP网络水质评价模型面临的两大问题——工作效率与识别精度问题,尚未很好的解决大学生论文网。围绕这两大问题了探索,对改进BP神经网络在水质评价中的应用了深入研究毕业论文选题。的研究工作主要分为以下几个:(1)介绍了BP神经网络的基本理论知识,BP网络存在的三个缺陷以及其在水质评价中所遇到的问题,对现有的黄金分割算法了改进,将其用于寻找最优隐含层节点个数,达到了优化网络的目的。接着用LM算法对BP网络了改进,建立了基于LM-BP网络的水质评价模型,运用该模型对成都市新都区境内流域水质做出了评价,与综合污染指数法的评价结果比较,证明了该网络模型的可行性论文网站大全。(2)为了增强网络的识别精度,将遗传算法与BP网络,运用遗传算法的全局寻优能力为BP网络寻找最优的权值与阈值,以此建立GA-BP网络水质评价模型。实验证明,该模型的网络性能(收敛速度与测试样本均方误差)均优于LM-BP网络模型毕业论文。,利用GA-BP网络模型对同一实例检测,并分别与LM-BP网络评价模型及综合污染法的评价结果对比,证明了GA-BP网络水质评价模型更合理、实用。(3)为了探讨水质指标与类别之间蕴含的特殊关系,用线性插值取代随机插值生成样本,对已建立的GA-BP网络训练,实例检测结果对比,线性插值的评价结果不能反映水体污染的基本情况。证明了用随机插值生成训练样本最能体现水质指标与类别之间复杂的非线性关系。(4)以上研究,所建立的基于随机插值生成样本的GA-BP网络水质评价模型识别精度高,实用性和通用性强。,MATLAB R2009a实现了基于改进BP网络的水质评价模型人机交互界面(GUI),使BP网络水质评价模型从理论研究向实际应用又迈进了一步学生论文。关键词:水质评价论文BP网络论文遗传算法论文LM算法论文黄金分割算法论文
摘要4-5
Abstract5-9
1 绪论9-19
参考文献69-74
个人简历、在学期间发表的学术论文及取得的研究成果74
摘要:水是万物生命之源,水环境管理的好坏影响到人类的生存与发展。而水环境质量评价是水环境管理工作的基础,传统的评价方法如单因子评价法和综合污染法,因其应用的局限性而备受质疑。因此,寻求一种客观、通用的水质评价方法显得尤为免费毕业论文。近年来,BP神经网络在模式识别的表现为之带来了可能。将BP神经网络应用在水质评价中,可以克服传统评价方法的缺点,为各个河流水质类别的纵向对比了可能保险论文。但BP网络自身的缺陷与水质评价的特殊性,使得BP网络水质评价模型面临的两大问题——工作效率与识别精度问题,尚未很好的解决大学生论文网。围绕这两大问题了探索,对改进BP神经网络在水质评价中的应用了深入研究毕业论文选题。的研究工作主要分为以下几个:(1)介绍了BP神经网络的基本理论知识,BP网络存在的三个缺陷以及其在水质评价中所遇到的问题,对现有的黄金分割算法了改进,将其用于寻找最优隐含层节点个数,达到了优化网络的目的。接着用LM算法对BP网络了改进,建立了基于LM-BP网络的水质评价模型,运用该模型对成都市新都区境内流域水质做出了评价,与综合污染指数法的评价结果比较,证明了该网络模型的可行性论文网站大全。(2)为了增强网络的识别精度,将遗传算法与BP网络,运用遗传算法的全局寻优能力为BP网络寻找最优的权值与阈值,以此建立GA-BP网络水质评价模型。实验证明,该模型的网络性能(收敛速度与测试样本均方误差)均优于LM-BP网络模型毕业论文。,利用GA-BP网络模型对同一实例检测,并分别与LM-BP网络评价模型及综合污染法的评价结果对比,证明了GA-BP网络水质评价模型更合理、实用。(3)为了探讨水质指标与类别之间蕴含的特殊关系,用线性插值取代随机插值生成样本,对已建立的GA-BP网络训练,实例检测结果对比,线性插值的评价结果不能反映水体污染的基本情况。证明了用随机插值生成训练样本最能体现水质指标与类别之间复杂的非线性关系。(4)以上研究,所建立的基于随机插值生成样本的GA-BP网络水质评价模型识别精度高,实用性和通用性强。,MATLAB R2009a实现了基于改进BP网络的水质评价模型人机交互界面(GUI),使BP网络水质评价模型从理论研究向实际应用又迈进了一步学生论文。关键词:水质评价论文BP网络论文遗传算法论文LM算法论文黄金分割算法论文
摘要4-5
Abstract5-9
1 绪论9-19
1.1 课题研究的背景及9-12
1.2 国内外研究现状12-17
1.2.1 水环境质量综合评价研究现状12-15
1.2.2 BP 神经网络在水质评价中的研究现状15-17
1.3 研究的主要内容17-19
2 BP 神经网络基本理论研究19-292.1 BP 神经网络的介绍19-24
2.1.1 BP 神经网络的结构19-21
2.1.2 BP 神经网络算法21-24
2.2 BP 算法的缺点及其在水质评价应用中的若干问题24-252.3 BP 算法的改进方法25-27
2.4 小结27-29
3 基于 LM-BP 神经网络的水质评价模型29-473.1 水域概况及数据来源29-30
3.2 LM-BP 网络水质评价模型的建立30-42
3.2.1 LM 算法工作原理30-33
3.2.2 标准训练样本的生成33-36
3.2.3 LM-BP 网络拓扑结构的确定36-42
3.3 LM-BP 网络水质评价模型在实例中的应用42-433.4 与传统评价方法的比较分析43-44
3.5 小结44-47
4 基于 GA-BP 网络水质评价模型的建立47-574.1 遗传算法与BP 神经网络的优点47-49
4.2 遗传算法优化BP 网络的工作原理49-50
4.3 遗传神经网络在水质评价中的应用50-52
4.4 遗传神经网络水质评价模型对实例的应用52-53
4.5 线性插值的探索53-55
4.6 小结55-57
5 基于 BP 神经网络水质评价模型的 GUI 设计57-655.1 主界面的设计57-58
5.2 GA-BP 网络水质评价GUI 的应用58-64
5.3 小结64-65
6 与展望65-676.1 主要工作总结65-66
6.2 未来工作展望66-67
致谢67-69参考文献69-74
个人简历、在学期间发表的学术论文及取得的研究成果74