作者：王雪水质监测遗传算法bp神经网络实测指标模拟精度
摘要：为找出适用于水质指标监测的标准模型，采用遗传算法优化BP神经网络模型（GABP），选取高锰酸盐指数（CODMN）、总氮（TN）和总磷（TP）3种实测指标为基础。以Nash-Sutcliffe系数（CD）、逐日相对均方根误差（R／VISE）和Kendall一致性系数（K）为评价指标体系，找出最优模型，并将结果与BP神经网络模型对比，结果表明：GABP模型在对3种指标进行模拟时，其模拟结果与实测值的拟合方程斜率均在0．95～1．06之间，且决定系数较高，均在0．70以上；同时对不同模型评价指标进行计算可知，GABP模型对3种指标计算结果的RMSE均在0．301-下，而CD和K值均超过了0．79，且与实测值的相关性均达到了极显著水平（P〈0．01），这表明GABP模型对水质指标的模拟精度较高，可作为水质监测的基本模型使用。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
