基于QPSO-GRNN的水质氨氮预测建模 |
| |
引用本文: | 高平,宋益春,彭新建,毛力.基于QPSO-GRNN的水质氨氮预测建模[J].数字社区&智能家居,2013(23):5373-5376. |
| |
作者姓名: | 高平 宋益春 彭新建 毛力 |
| |
作者单位: | 无锡信捷电气股份有限公司;轻工过程先进控制教育部重点实验室江南大学物联网工程学院 |
| |
基金项目: | 轻工过程先进控制教育部重点实验室开放课题资助(江南大学)项目(APCLI1004) |
| |
摘 要: | BP(Back Propagation)网络在用于水质预测时,存在运算速度慢和易陷入局部最优的缺点,与传统的BP网络相比,广义回归神经网络(General Regression Neural Network,GRNN)的计算速度快,预测精度较高。光滑因子σ是广义回归神经网络的唯一待确定参数,它对网络的预测性能影响很大,本文采用量子粒子群算法(quantum particle swarm algorithm,QP SO)优化算法对光滑因子进行估算,并通过GRNN构建水质预测模型。实验表明:该模型能较好地预测氨氮变化趋势,为科学管理水质提供必要依据。
|
关 键 词: | BP神经网络 广义回归神经网络 量子粒子群算法 水质预测 |
本文献已被 CNKI 等数据库收录! |
|