改进的qga鄄bp模型在复杂水质预测中的应用-模式识别与人工智能.pdf

第25 卷摇 第4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.25摇 No.4 摇 2012年8月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug摇 摇 2012 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 改进的QGA鄄BP模型在复杂水质预测中的应用* 1,2 1 于摇 王乐 摇 摇 汪家权 1(合肥工业大学 管理学院摇 合肥230009) 2(安徽理工大学 计算机科学与工程学院摇 淮南232001) 摘摇 要摇 水质预测是实现非线性水系统的柔性管理、防治水污染的前提工作.机理性水质预测模型的构建往往较 复杂并且需要大量运算与数据,预测效果有时不够精确,其进一步推广应用也受到限制.文中以淮河复杂水环境非 机理性水质预测为目的,构建改进的量子遗传算法优化BP神经网络模型,采用动态改进策略和灾变策略作为进化 操作准则来优化BP模型的权值和阈值,用历史观测数据作为学习范例训练模型.对比实验结果发现,模型改进以 后,进化代数、收敛速度和预测结果的准确率有较大提高.该模型用于水质预测的黑箱问题是可行的,拓展水环境 管理的思路. 关键词摇 改进的量子遗传算法优化BP神经网络(QGA鄄BP)模型,水质预测,动态改进策略,灾变策略 中图法分类号摇 TP 183 Application Research on Complex Water Quality Prediction with Improved QGA鄄BP Model 1,2 1 YU Li ,WANGJia鄄Quan 1(School of Management,Hefei University of Technology,Hefei230009) 2(School of Computer Science and Engineering,Anhui University of Science and Technology, Huainan232001) ABSTRACT Water quality prediction is a prerequisite for planning and managing of water environment and integrated controllingofwaterpollution. However,theconstructionof mechanismmodelsiscomplex,the massive computation and data are required,prediction effects are not accurate enough and the further application of mechanism models is difficult. An improved QGA鄄BP model is constructed for predicting water quality of complex Huaihe river. The dynamic improvement strategy and catastrophe strategy are us