CAJ | 학술논문

概率神经网络(PNN)是一种结构简单、训练简捷、应用相当广泛的人工神经网络,在实际应用中,尤其是在解决分类问题的应用中,它的优势在于用线性学习算法来完成以往非线性学习算法所做的工作,同时又能保持非线性算法的高精度等特性.本文结合三峡近坝水域黄陵庙、太平溪、乐天溪和东岳庙等典型断面多年的水质监测数据,利用概率神经网络模型对坝区各监测断面1997年至2002年的水质进行逐月评价,得到按月分布的水质评价结果,分析表明:(1)坝区总体水质良好,各监测断面水质满足国家对长江干流所要求的地面水Ⅱ类标准;(2)各监测断面水质均呈季节性变化,丰水期水质略次于平水期和枯水期,年际变化不显著;(3)从不同分类因子的评价结果可以看出营养盐类因子水质评价结果较差,需要采取合理而有效的污染控制特别措施.
개솔신경망락(PNN)시일충결구간단、훈련간첩、응용상당엄범적인공신경망락,재실제응용중,우기시재해결분류문제적응용중,타적우세재우용선성학습산법래완성이왕비선성학습산법소주적공작,동시우능보지비선성산법적고정도등특성.본문결합삼협근패수역황릉묘、태평계、악천계화동악묘등전형단면다년적수질감측수거,이용개솔신경망락모형대패구각감측단면1997년지2002년적수질진행축월평개,득도안월분포적수질평개결과,분석표명:(1)패구총체수질량호,각감측단면수질만족국가대장강간류소요구적지면수Ⅱ류표준;(2)각감측단면수질균정계절성변화,봉수기수질략차우평수기화고수기,년제변화불현저;(3)종불동분류인자적평개결과가이간출영양염류인자수질평개결과교차,수요채취합리이유효적오염공제특별조시.