全文链接
https://opaj.napstic.cn/periodicalArticle/downloadReview/0120100320103832
基于AM-MCMC的RAGA-BP网络在灌区水质评价中的应用OA北大核心CSCDCSTPCD
Application of RAGA-BP Based on AM-MCMC on Water Quality Evaluation in Irrigation Area
BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模糊性,评价指标较多时运行速度慢,且由于训练样本少和代表性差,评价结果精度不高.建立了基于AM-MCMC算法的RAGA-BP模型,利用RAGA能够选出最优的BP网络初始结构;AM-MCMC算法模拟足够的代表性好的样本为BP网络训练所需,用于灌区的水质评价.实例研究表明,与传统的BP网络相比,基于AM-MCMC的RAGA-BP网络收敛速度提高约20%,评价结果与实际水质比较更为客观、合理.基于AM-MCMC的RAGA-BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价.此外,基于AM-MCMC的RAGA-BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性.
冯杰;邢贞相;闫海;付强
武汉大学,水资源与水电工程科学国家重点实验室,武汉,430072河海大学,水文水资源学院,南京,210098东北农业大学,水利与建筑学院,哈尔滨,150030黑龙江省农垦总局水利工程管理总站,哈尔滨,150090
农业科技
灌区水质评价MCMCAM算法RAGABP
《沈阳农业大学学报》 2008 (4)
土壤大孔隙空间结构及水和溶质在其中运移的机理研究
463-467,5
武汉大学水资源与水电工程科学国家重点实验室开放基全(2005B020)国家自然科学基金项目(50609005)霍荚东青年教师基金(101075)东北农业大学科学研究基金项目(2008)
评论