东湖沉积物营养状况的BP神经网络模型研究
Neutral Networks Model for Nutrient States of Sediment Sample in Lake Donghu
查看参考文献21篇
|
文摘
|
运用人工神经网络对东湖沉积物营养状况进行了模拟研究。以东湖三个样点柱状沉积物的TN、TP、TOC、SRP、TSL、pH 6个因子作为网络模型的输入变量,建立了训练样本和测试样本,同时采用有机指数值作为输出变量,对东湖沉积物营养状况进行评价分析。通过模型分析,结果显示东湖沉积物处于肥污染状态。在2008年6月采得的数据样本中,抽取6个样本作为检验网络模型的确证集,对网络模型进行验证,误差结果符合要求,与传统分析法所得评价结果一致,结果显示模型可靠性较好,能够对沉积物营养状况作出正确评价。 |
|
其他语种文摘
|
An artificial neutral network model was developed to evaluate the nutrient states of sediment sample in Lake Donghu,Wuhan.With six factors such as TN,TP,TOC,SRP,TSL and pH chosen as the input,the training sample and testing sample were established,and results of organic assessment were chosen as output to evaluate the nutrient.Through analysis of model,results of fertility assessment showed that the organic index in the whole Lake is higher than standard level of fertility in sediment.Six samples which were obtained at June of 2008 were used to test the model,the error reached the standard,and testing results kept in accordance with data which were analyzed by traditional method.The efficiency of the network showed that the model performance was fine,and the faction can make correct assessment for nutrient states of the sediment. |
|
来源
|
环境科学与技术
,2011,34(12):110-113,155 【扩展库】
|
|
关键词
|
人工神经网络
;
BP模型
;
营养状况
;
肥力评价
|
|
地址
|
1.
湖北省环境科学研究院, 湖北, 武汉, 430072
2.
中国科学院水生生物研究所, 湖北, 武汉, 430072
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1003-6504 |
|
学科
|
环境污染及其防治 |
|
基金
|
国家水专项课题资助
|
|
文献收藏号
|
CSCD:4399628
|
参考文献 共
21
共2页
|
|
1.
彭近新.
水质富营养化与防治,1988:94-112
|
被引
8
次
|
|
|
|
|
2.
张昆实. BP神经网络在湖泊水质评价中的应用研究.
长江大学学报(自科科学),2004,12:28-30
|
被引
1
次
|
|
|
|
|
3.
冯峰. 武汉东湖沉积物氮磷形态垂向分布研究.
环境科学,2006,27(6):39-44
|
被引
1
次
|
|
|
|
|
4.
张水元. 武汉东湖营养物质的主要来源.
海洋与湖泊,1984,15(3):203-213
|
被引
27
次
|
|
|
|
|
5.
甘义群. 武汉东湖富营养化现状分析及治理对策.
长江流域资源与环境,2004,13(3):277-281
|
被引
23
次
|
|
|
|
|
6.
杨洪. 武汉东湖沉积物碳氮磷垂向分布研究.
地球化学,2004,33(5):507-514
|
被引
36
次
|
|
|
|
|
7.
刘建康.
东湖生态学研究(一),1990:4-25
|
被引
5
次
|
|
|
|
|
8.
鲍士旦.
土壤农化分析. (第3版),1999
|
被引
13
次
|
|
|
|
|
9.
李一平. 太湖生态系统的人工神经网络模拟研究.
环境科学与技术,2004,27(2):43-45
|
被引
8
次
|
|
|
|
|
10.
.
Andersonja An Introduction to Neutral Networks,1995:1-62
|
被引
1
次
|
|
|
|
|
11.
Bishop.
Neutral Networks for Pattern Recognition,1995:5-28
|
被引
2
次
|
|
|
|
|
12.
阎平凡.
人工神经网络与模拟进化计算,2000:1-37
|
被引
17
次
|
|
|
|
|
13.
张力明.
人工神经网络,1989
|
被引
1
次
|
|
|
|
|
14.
王伟.
人工神经网络原理,1995:52-76
|
被引
10
次
|
|
|
|
|
15.
王晓鹏. 河流水质综合评价之主成分分析方法.
数理统计与管理,2001,204:49-53
|
被引
1
次
|
|
|
|
|
16.
姚焕玫. 主成分分析法在太湖水质富营养化评价中的应用.
桂林工学院学报,2005,25(2):248-251
|
被引
13
次
|
|
|
|
|
17.
张雷. 西太湖典型河口区湖滨带表层沉积物营养评价.
环境科学与技术,2006,29(5):6-13
|
被引
2
次
|
|
|
|
|
18.
王永华. 巢湖东区底泥污染物分布特征及评价.
环境科学研究,2004,17(6):2-26
|
被引
1
次
|
|
|
|
|
19.
刘恒. BP神经网络在千岛湖水体富营养化变化预测中的应用.
科技通报,2008,24(3):411-416
|
被引
4
次
|
|
|
|
|
20.
楼文高. 海水水质评价的人工神经网络模型研究.
海洋环境科学,2001,20(4):49-53
|
被引
8
次
|
|
|
|
|
了解气象卫星更多信息，请访问