BP神经网络水华预测模型的敏感性分析
BP신경망락수화예측모형적민감성분석
Sensitivity Analysis of BP Neural Network for Algal Bloom Prediction Model
  • 万方数据
    北京理工大学学报 북경리공대학학보
    JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY
    2012年 12期 1288-1293 ,共6页

    殷高方%张玉钧%胡丽%于绍惠%肖雪%王欢博%石朝毅%段静波%刘文清

    은고방%장옥균%호려%우소혜%초설%왕환박%석조의%단정파%류문청

    水华%预测模型%BP神经网络%敏感性分析 水華%預測模型%BP神經網絡%敏感性分析
    수화%예측모형%BP신경망락%민감성분석
    敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01％;气压的上升则不利用于藻类质量浓度的增加；pH值的上升对藻类质量浓度的影响有正有负.
    민감성분석능구정량지평개모형수입변량적변화대수출결과산생적영향,시게시모형온함규률적유효도경.본문장민감분석방법응용우BP신경망락소호수화예측모형중,분석결과표명소호수화형성수제다배경인자공동영향,수온、용해양、탁도、기온、광조강도등배경인자변화여조류질량농도변화상관,기중기온시최대영향인소,상대공헌솔체도17.01％;기압적상승칙불이용우조류질량농도적증가；pH치적상승대조류질량농도적영향유정유부.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문