检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 三十六脚湖叶绿素a浓度人工神经网络模型演算研究

许阳春覃苗苏玉萍林晓萍苏金洙

2020, 42 (1): 1-9.

摘要（88）

PDF （3350KB）（350）

本文分析了平潭三十六脚湖2016年1月至2017年5月气象和水质历史数据，以环境因子作为输入参数，叶绿素a浓度作为输出参数，构建了BP人工神经网络模型。从历史样本数据中随机抽取80%的数据进行模型演算，剩下20%的数据作为测试数据进行检验。结果表明：以气温、电导率、水温3个指标为输入因子时，模型输出的叶绿素a浓度和监测数据的拟合度达到R2=0.97，RMSE=0.05 μg/L、RSR=0.17，误差较小。2019年3月13日至4月26日对三十六脚湖进行5次采样，将实测的叶绿素a浓度值与模型演算值进行对比分析，发现其标准偏差比RSR为0.24，实测值与演算值的偏离程度较小，精度达到期望值。该模型有望用于平潭三十六脚湖湖区叶绿素a浓度预测和水华预警，为水体富营养化防控提供参考。

相关文章 | 多维度评价

Select

2. 东张水库蓝藻水华BP人工神经网络模型演算研究

覃苗张明峰洪颐苏玉萍陈杨锋李赫龙陈宇昕

渔业研究 2019, 41 (1): 18-25. DOI: 10.14012/j.cnki.fjsc.2019.01.003

摘要（103）

PDF （3542KB）（536）

本文以福建省福清市东张水库为例，采集2016—2017年间包含水华期间在内的共295组的水质（水温、pH、电导率、浊度、溶解氧）和气象（气温、风速）数据，以80%的数据进行模型演算，20%的数据进行模型验证，以叶绿素a浓度作为输出参数，应用BP人工神经网络模型进行演算。通过输入不同的参数组合，将结果与实际测定的叶绿素a值比较，挑选出最优的参数组合。结果表明，当以水温、溶解氧、电导率和气温作为组合变量输入时，输出的结果最优，输出数据的预测值与实测值拟合度R2为0.83，均方根误差(RMSE)为0.08 μg/L，均方根-实测值标准偏差比(RSR)为0.43，且模型稳定性较好。表明该参数组合作为输入参数建立的BP人工神经网络预警模型，有望未来用于预测东张水库富营养化的发生。