| 基于BPNN的一江两河流域水体中重金属浓度预测 |
| |
| 引用本文： | 肖方景, 张强英, 赵远昭, 陈均玉, 布多, 次仁, 崔小梅. 基于BPNN的一江两河流域水体中重金属浓度预测[J]. 环境化学, 2023, 42(5): 1612-1622. doi: 10.7524/j.issn.0254-6108.2022110302 |
| |
| 作者姓名： | 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,拉萨,850000 |
| |
| 基金项目： | 国家自然科学基金(22266032);;2021年环境化学与生态毒理学国家重点实验室开放基金(KF2021-05)资助~~; |
| |
| 摘 要： | 
本文将反向传播神经网络(BPNN)应用于青藏高原一江两河流域(雅鲁藏布江山南段、拉萨河、年楚河)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(DO)、pH、电导率(EC)、总磷(TP)、铁(Fe)作为网络的输入层,重金属砷(As)、锑(Sb)、钼(Mo)、锰(Mn)的含量作为网络的输出层,使用Levenberg-Marquardt (LM)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：(1)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(R2)分别为0.98、0.933、0.894、0.928;均方根误差(RMSE)分别为：9.
7168×10−4、1.2508×10−4、3.3159×10−4、1.9188×10−3. (2)以4个元素作为预测因子时,预测值和实测值的决定系数(R2)为0.888;均方根误差(RMSE)为2.1766×10−3. R2值越高,RMSE值越低,表明实测值和预测值拟合程度和适应性良好,证明BPNN能较好地应用于青藏高原一江两河流域水体中重金属浓度预测.
|
| 关 键 词： | 反向传播神经网络(BPNN) 一江两河流域 重金属 青藏高原 |
| 收稿时间： | 2022-11-03 |
|
| 点击此处可从《环境化学》浏览原始摘要信息 |
|
点击此处可从《环境化学》下载全文 |
|
