论文部分内容阅读
基于传统BP人工神经网络模型训练速度慢、参数选择困难、易陷入局部极值等问题，提出极限学习机（ELM）的水质预测模型。以云南某水库为例，选取NH3-N、NO2-N、NO3-N、CODMn和水体透明度作为网络输入，11P、TN作为输出，构建基于ELM的湖库TP、TN预测模型，并将ELM预测结果与传统BP、GA-BP、RBF人工神经网络模型模拟结果进行比较。结果表明，ELM模型预测精度高于传统BP和RBF模型模拟结果，甚至略高于GA-BP模型的预测精度，并且ELM模型具有参数选择简便、训练速度快、不会陷入局部最