基于BPNN的一江两河流域水体中重金属浓度预测

分享到

【作者】肖方景，张强英，赵远昭，陈均玉，布多，次仁，崔小梅
【作者单位】西藏大学理学院
【年份】2023
【卷号】第5期
【页码】1612-1622
【ISSN】0254-6108
【摘要】本文将反向传播神经网络应用于青藏高原一江两河流域水体中重金属浓度预测,探讨了输入变量、预测因子、隐藏层节点数和模型结构的影响.模型以溶解氧、pH、电导率、总磷、铁作为网络的输入层,重金属砷、锑、钼、锰的含量作为网络的输出层,使用Levenberg-Marquardt算法进行训练.其中,BPNN隐藏层的传递函数为tansig,隐藏层节点数为9,输出层的传递函数为purelin,输出层节点数为4.结果表明:以单个元素作为预测因子时,As、Sb、Mo、Mn预测值和实测值的决定系数分别为0.98、0.9...
【基金】国家自然科学基金
【文献类型】期刊