利用BP神经网络短期预测太湖不同湖区叶绿素a浓度  

Applications of Back Propagation Neural Network for Short-term Prediction of Chlorophyll-a Concentration in Different Regions of Lake Taihu

作　　者：周露洪[1,2] 谷孝鸿[1] 曾庆飞[1] 周威明 毛志刚[1,3] 孙明波[1,3] 

机构地区：[1]中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,江苏南京210008 [2]杭州达康环境工程有限公司,浙江杭州310058 [3]中国科学院研究生院,北京100049

出　　处：《水生态学杂志》2012年第4期1-6,共6页Journal of Hydroecology

基　　金：江苏省自然科学基金重点项目(BK2010096);环保部环保公益项目科研专项(2010467014);江苏省水产三项工程项目(PJ2011-55);中国科学院院地合作项目(Y1YD11031)

摘　　要：人工神经网络具有强大的非线性能力,能对复杂的水环境系统中非线性行为进行准确有效地预测。选择太湖典型湖区梅梁湾(4个样点)和湖心区(2个样点)为研究对象,通过对其2006-2008年的常规水质参数进行主成分分析,选择合适的输入因子及最优的网络参数,建立优化的BP神经网络模型,以期实现叶绿素a浓度的月预测。结果表明,梅梁湾的预测值与实测值的平均相对误差为71%,湖心区的预测值与实测值的平均相对误差为39%,2者预测精度均较低,其原因主要与太湖的水动力条件、水文气象及藻型生态系统等因素有关。Artificial Neural Network（ANN） has powerful nonlinear capacity,can exactly predicting the non-linear behavior in the water environmental system.This article selected Meiliang Bay and centre of the lake Taihu as study objects,respectively set four and two sampling spots.We selected appropriate input factors and the optimal network parameters through principal component analysis of water quality monitoring parameters in year 2006-2008,then established optimal BP network model to achieve the monthly predict chlorophyll-a concentration.The results showed that the Meiliang bay and centre of the lake Taihu respectively had average relative error of 71% and 39%,and the primary reasons of the poor predicing accuracy were hydrodynamic conditions,hydrometeorologicalin of Taihu Lake and factors of eco-system of algae.

关 键 词：BP神经网络 太湖 叶绿素A 短期预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] X171.1[自动化与计算机技术—控制科学与工程]