首页|基于改进正余弦优化神经网络的水体余氯预测

基于改进正余弦优化神经网络的水体余氯预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为保证居民用水安全,搭建更加准确、稳定的水质余氯预测模型,提出了一种改进正余弦算法优化神经网络的水体余氯预测模型.在正余弦算法(SCA)位置变化中加入非线性权重,平衡全局勘探和局部开发能力;同时在粒子更新后融入Levy飞行,丰富种群多样性,强化局部搜索能力;将改进正余弦算法用于BP神经网络参数优化,搭建ISCA-BP水体余氯预测模型.利用在线水质监测设备的监测数据进行余氯含量预测,不同预测模型结果对比表明,ISCA-BP模型预测结果相对误差的平均值为4.04％,均方根误差为0.0113 mg/L,与BP、RBF神经网络模型相比,误差最小,模型预测结果与实际值最接近,泛化能力更强,预测结果精确度高,稳定性好.
Prediction of Residual Chlorinein Water Quality Based on Improved Sine and Cosine Optimized Neural Network

安小宇、鲁奎豪、崔光照、赵复兴

展开 >

郑州轻工业大学 电气信息工程学院,河南 郑州450000

余氯 ISCA-BP神经网络 正余弦算法 Levy飞行 非线性权重

国家自然科学基金资助项目河南省教育厅科学技术研究重点项目河南省科技攻关项目

6157244614A413010202102210317

2021

10.3969/j.issn.1000-1379.2021.04.020

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2021.43(4)
  • 2
  • 8