利用BP神经网络方法预测西湖叶绿素a的浓度

在西湖共设了 8个采样点 ,通过主成分分析选取了最能代表西湖水质状况的 7号点 (湖心 )作为研究对象。根据 2 0 0 0年 1月至 2 0 0 1年 4月西湖常规监测的水生生态数据 ,并用插值的方法使其生成足够多的样本数 ,利用 BP人工神经网络 ,探索其用于西湖水生生态状况 (叶绿素 a的浓度 )的短期变化趋势预测的可行性 ,从中找出最能反映西湖水生生态状况变化趋势的水质因子用来建立网络。并用 3号点的数据来检验网络的泛化性能 ,发现网络输出值与实际值吻合度较高。结果表明 ,水温和叶绿素a对未来一周的叶绿素 a含量影响最大 ,以这两者作为输入变量建立的网络简单、快捷 ,比其他线性数值模拟预测有较大的优势。说明人工神经网络对叶绿素 a的预测是一种有效工具 ,可为西湖富营养化治理提供科学依据。     

利用SOFM网络评价杭州西湖水质的时空变化

根据西湖8个采样点2000年1月至12月的常规监测数据和多次模拟调试找出影响西湖水体的主要水质因子作为自组织人工神经网络的输入变量,利用网络的无差别分类能力,建立多指标水质综合评价的自组织特征映射网络(Self-Organizing Feature Map)模型,探索各个湖区不同时段的富营养化状况.结果表明,利用SOFM人工神经网络对西湖水体进行时空分类的结果直观、清晰,从空间上看,小南湖的水质较好,而北里湖的较差;从时间上看,一、二月份水质较好,五到十月份水质较差.说明人工神经网络模型能有效合理的模拟富营养化进程中的非线性行为,并能准确评价西湖水质的富营养化状况,为及时有效的提出控制措施提供科学的依据.