典型文献
基于优化非线性自回归神经网络模型的水质预测
文献摘要：
针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(DO)质量浓度和浊度3项水质指标的变化趋势.结果表明:优化后的NAR神经网络模型具有较好的非线性处理能力;当输入数据量为180,p H、D O质量浓度和浊度的神经网络模型的延迟阶数分别为2、3、9,隐含层神经元数为10时,NAR神经网络模型对pH、DO质量浓度和浊度的预测均方根误差分别为0.053、0.382 mg/L和17.300 N T U,平均绝对百分比误差分别为0.53％、3.97％ 和18.01％,预测效果较好.
文献关键词：
水质预测;非线性自回归神经网络;pH;溶解氧;浊度;模型优化
中图分类号：
作者姓名：
唐亦舜;徐庆;刘振鸿;高品
作者机构：
东华大学环境科学与工程学院,上海201620;上海市环境监测中心,上海200235
文献出处：
引用格式：
[1]唐亦舜;徐庆;刘振鸿;高品-.基于优化非线性自回归神经网络模型的水质预测)[J].东华大学学报（自然科学版）,2022(03):93-100
A类：
B类：
非线性自回归神经网络,水质预测,突发性水污染事件,某支,支流,监测断面,优化调整,输入数据,阶数,隐含层,NAR,预测分析,溶解氧,DO,浊度,水质指标,处理能力,数据量,平均绝对百分比误差,模型优化
AB值：
0.264955
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
