计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2014年
2期
140-144
,共5页
马新宇%施彦%王小艺%许继平%王立%于家斌
馬新宇%施彥%王小藝%許繼平%王立%于傢斌
마신우%시언%왕소예%허계평%왕립%우가빈
集成学习%Bagging算法%水华预测
集成學習%Bagging算法%水華預測
집성학습%Bagging산법%수화예측
ensemble learning%bagging algorithm%water bloom prediction
随着经济社会的高速发展和工业化建设程度不断提高,水环境问题已经严重影响甚至威胁了人类的健康.近年来,国家大力推行水环境的预测预警,许多专家学者利用人工神经网络等智能方法在富营养化评价及水华预测中得到了较为广泛的运用,也取得了一定成效.然而,人工神经网络的性能受到样本训练算法等方面的影响,在选取合适的神经网络模型、算法以及设置参数麻烦、耗时.随着问题复杂程度的增加,单个网络的隐层节点数将增加很多,训练时间将大大增加,从而造成训练困难.且由于训练过度或不够,往往导致泛化能力较差.为解决此问题,本文在对湖库水华形成机理深入分析的基础上,建立了BP网络的水华预测模型,并利用Bootstrap采样技术获取不同的数据集,分别训练多个BP网络,最终将多个网络进行集成用于建立太湖流域水华预测模型.通过基于Bagging算法的集成学习,可以对样本包含的信息进行充分挖掘,更全面的刻画因素之间的相互联系和变化规律.实验表明基于Bagging算法的BP网络集成模型预测结果与单个BP网络模型预测结果对比,具有较高的预测能力,从而获得了相对理想的预测效果.
隨著經濟社會的高速髮展和工業化建設程度不斷提高,水環境問題已經嚴重影響甚至威脅瞭人類的健康.近年來,國傢大力推行水環境的預測預警,許多專傢學者利用人工神經網絡等智能方法在富營養化評價及水華預測中得到瞭較為廣汎的運用,也取得瞭一定成效.然而,人工神經網絡的性能受到樣本訓練算法等方麵的影響,在選取閤適的神經網絡模型、算法以及設置參數痳煩、耗時.隨著問題複雜程度的增加,單箇網絡的隱層節點數將增加很多,訓練時間將大大增加,從而造成訓練睏難.且由于訓練過度或不夠,往往導緻汎化能力較差.為解決此問題,本文在對湖庫水華形成機理深入分析的基礎上,建立瞭BP網絡的水華預測模型,併利用Bootstrap採樣技術穫取不同的數據集,分彆訓練多箇BP網絡,最終將多箇網絡進行集成用于建立太湖流域水華預測模型.通過基于Bagging算法的集成學習,可以對樣本包含的信息進行充分挖掘,更全麵的刻畫因素之間的相互聯繫和變化規律.實驗錶明基于Bagging算法的BP網絡集成模型預測結果與單箇BP網絡模型預測結果對比,具有較高的預測能力,從而穫得瞭相對理想的預測效果.
수착경제사회적고속발전화공업화건설정도불단제고,수배경문제이경엄중영향심지위협료인류적건강.근년래,국가대력추행수배경적예측예경,허다전가학자이용인공신경망락등지능방법재부영양화평개급수화예측중득도료교위엄범적운용,야취득료일정성효.연이,인공신경망락적성능수도양본훈련산법등방면적영향,재선취합괄적신경망락모형、산법이급설치삼수마번、모시.수착문제복잡정도적증가,단개망락적은층절점수장증가흔다,훈련시간장대대증가,종이조성훈련곤난.차유우훈련과도혹불구,왕왕도치범화능력교차.위해결차문제,본문재대호고수화형성궤리심입분석적기출상,건립료BP망락적수화예측모형,병이용Bootstrap채양기술획취불동적수거집,분별훈련다개BP망락,최종장다개망락진행집성용우건립태호류역수화예측모형.통과기우Bagging산법적집성학습,가이대양본포함적신식진행충분알굴,경전면적각화인소지간적상호련계화변화규률.실험표명기우Bagging산법적BP망락집성모형예측결과여단개BP망락모형예측결과대비,구유교고적예측능력,종이획득료상대이상적예측효과.
