2019, 17(2):81-88.
摘要:
利用自动监测数据,采用神经网络对水体中叶绿素a含量进行预测,是水体中叶绿素a含量预测的主要手段之一。但受梯度下降法局部搜索的限制,传统BP神经网络模型预测精度和稳定性均存在问题。鉴于此,引入全局搜索的思维进化算法优化BP神经网络权值、阈值,提高叶绿素a预测效率;并采用偏导方法对预测模型输入因子敏感性进行分析,精简模型输入因子。结果表明:在叶绿素a 的BP神经网络预测模型中,引入思维进化算法可显著提高网络训练稳定性和精度,预测精度波动范围从[0-364,0-978]提高至[0-917,0-983],平均预测精度从0-950提高到0-968。利用Dimopoulos敏感性分析将模型输入因子从12因子精简为8因子后,平均预测精度从0-968降至0-962,预测精度波动范围从[0-917,0-983]变为[0-921,0-976],预测模型稳定性更好;在输入因子数目均为8条件下,基于Dimopoulos方法敏感性分析结果筛选出的输入因子组合平均预测精度明显高于基于主成分分析法筛选出的输入因子组合。研究可为基于BP神经网络叶绿素a预测模型输入因子优化提供参考,提高模型预测的稳定性。