| 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(5):1612-1622. |
| |
| 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 |
| |
| 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...
|
| 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 |
|
|
