论文部分内容阅读
采用BP网络的三种改进算法，对洞庭湖桂花园8年（1995年～2002年）的氨氮浓度和其影响因子实测资料进行分析，建立了基于BP神经网络的氨氮浓度预测模型，并对三种改进算法的训练结果进行了比较。结果表明：作为数据驱动型模型的BP网络，用来建模的学习样本质量至关重要，可以直接影响网络的预测精度。1995年～2002年的丰水期（9月份）数据分布比较均匀，能让网络对样本充分学习，与传统的统计建模方法相比，预测精度较高，能较好地反映洞庭湖氨氮浓度与其影响因子之间变化规律。