基于GA优选参数的RBF神经网络水质评价  

Water Quality Evaluation of RBF Neural Network Based on Optimized Parameter of Genetic Algorithm

作　　者：何同弟[1,2] 李见为[1] 黄鸿[1] 

机构地区：[1]重庆大学光电技术及系统教育部重点实验室,重庆400030 [2]河西学院机电工程系,甘肃张掖734000

出　　处：《计算机工程》2011年第11期13-15,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(40671133);重庆市科技攻关计划基金资助重点项目(CSTC2009AB2231)

摘　　要：为进一步提高多光谱图像水质反演的评价精度,提出一种基于遗传算法(GA)优选参数的径向基函数(RBF)神经网络水质评价方法。利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,得到符合条件且具有代表性的4类水质变量,对RBF神经网络进行训练和测试,用遗传算法对RBF神经网络的参数进行优化。在训练好的RBF神经网络模型基础之上对COD、NH3-N、DO、CODmn水质参数进行反演。实验结果表明,该水质反演模型较常规的方法有更高的反演精度。In order to improve water quality evaluation of multi-spectral image accurately,this paper puts forward a model for water quality evaluation of Radial Basis Function（RBF） neural network based on optimized parameters of Genetic Algorithm（GA）.The method uses SPOT-5 data and the water quality field data.It chooses four representative water quality parameters.RBF neural network is trained and tested,and the parameters of RBF neural network are optimized by particle swarm optimization algorithms.Water quality parameters of COD,NH3-N,DO,CODmn are retrieved by the trained RBF neural network.Experimental result shows that the method has more accuracy than the routine method.

关 键 词：径向基函数神经网络 遗传算法 优选参数 高分辨遥感影像 水质评价 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]