基于AM-MCMC的BP神经网络在煤矿地下水评价中的应用

详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文

中文刊名：黑龙江水利科技 英文刊名：Heilongjiang Science and Technology of Water Conservancy 作者：韩雪 ; 邢贞相 ; 崔海涛 中文关键词：地下水质评价 ; MCMC ; AM算法 ; BP ; 实例 出版日期：2010-04-20 机构：佳木斯市河道管理处;东北农业大学水利与建筑学院; 年：2010 期：02 出版单位：黑龙江水利科技

摘要

BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模型性,评价指标较多时运行速度慢,且训练样本少、代表性差,评价结果精度不高。为此,建立了基于AM-MCMC算法的BP模型。利用AM-MCMC算法模拟足够的代表性好的样本以为BP网络训练所需,用于灌区的水质评价。实例研究表明,与传统的BP网络相比,基于AM-MCMC的BP评价结果与实际水质比较更为客观、合理。基于AM-MCMC的BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价。此外,基于AM-MCMC的BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性。

引文

[1]曾永,樊引琴,王丽伟,等.水质模糊综合评价方法与单因子指数评价法比较[J].人民黄河,2007,29(2):63-65.
    [2]王洪梅,卢文喜,辛光,等.灰色聚类法在地表水水质评价中的应用[J].节水灌溉,2007,(5):20-22.
    [3]潘峰,付强,梁川.模糊综合评价在水环境质量综合评价中的应用研究[J].环境工程,2002,20(2):58-61.
    [4]管延海,李强,柴成繁.模糊数学方法在天津市地下水水质评价中的应用[J].地下水,2008,30(2):27-30.
    [5]庞发虎,张乃群,李玉英,等.标准差权重模糊评价法对南水北调中线水源区水质的评价[J].西北农森科技大学学报(自然科学版),2008,36(2):229-234.
    [6]黄胜伟,董曼玲.自适应变步长BP神经网络在水质评价中的应用[J].水利学报,2002,10(10):119-123.
    [7]HUSKEN M.Structure optimization of neural net-works for evolu-tionary design optimization[J].Soft computing a fusion ofFounda-tions,Methodologies and Applications,2005,9(1):21-28.
    [8]迟道才,张瑞,张清,等.灰色神经网络组合模型(GNN)在涝灾预测中的应用[J].沈阳农业大学学报,2008,39(1):118-120.
    [9]陈希儒,郑忠国.现代数学手册.随机数学卷[M].武汉:华中科技大学出版社,2000:498-506.
    [10]HARRIO H.,SAKSMAN E.,TAMMINEN J.An adaptive Metrop-olis algorithm[J].Bernoulli,2001,7(2):223-243.
    [11]GELMAN A.,RUBIN D.B.Inference from iterative simulation u-sing multiple sequences[J].Statistics Science,1992,7(4):457-511.
    [12]李祚泳,汪嘉杨,程会珍.基于免疫进化算法优化的地下水水质评价普适公式[J].水利学进展,2008,19(5):707-713.