文献类型：期刊文章

作　　者：肖金球[1,3] 周翔[1,3] 潘杨[2,4] 冯威[1] 陈多观[1,3]

XIAO Jin-qiu;ZHOU Xiang;PAN Yang;FENG Wei;CHEN Duo-guan(Department of Electronic and Engineering,Suzhou University of Science and Technology,Suzhou Jiangsu 215009,China;Jiangsu Key Laboratory of Environment Science and Engineering,Suzhou Jiangsu 215009,China;Jiangsu Engineering Technology Center.,Suzhou Jiangsu 215009,China;Environment Biotechnology Research Institute,Suzhou University of Science and Technology,Suzhou Jiangsu 215009,China)

机构地区：[1]苏州科技大学电子与信息工程学院,江苏苏州215009 [2]江苏省环境科学与工程重点实验室,江苏苏州215009 [3]江苏省工程技术中心,江苏苏州215009 [4]苏州科技大学环境生物科技研究所,江苏苏州215009

出　　处：《西南大学学报（自然科学版）》

基　　金：国家科技部重大水专项(2017ZX07205003);江苏省产学研前瞻性联合基金项目(BY2011132);江苏省研究生创新与教改项目(091580001);苏州科技大学研究生创新工程基金项目(SKCX17_025)

年　　份：2019

卷　　号：41

期　　号：12

起止页码：110-119

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD_E2019_2020、JST、RCCSE、WOS、ZGKJHX、ZR、核心刊

摘　　要：针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.

关 键 词：水质评价 多参数  遗传算法 BP神经网络 TS模糊神经网络  

分 类 号：TP391]