利用BP神经网络短期预测太湖不同湖区叶绿素a浓度

摘要

人工神经网络具有强大的非线性能力,能对复杂的水环境系统中非线性行为进行准确有效地预测。选择太湖典型湖区梅梁湾(4个样点)和湖心区(2个样点)为研究对象,通过对其2006-2008年的常规水质参数进行主成分分析,选择合适的输入因子及最优的网络参数,建立优化的BP神经网络模型,以期实现叶绿素a浓度的月预测。结果表明,梅梁湾的预测值与实测值的平均相对误差为71%,湖心区的预测值与实测值的平均相对误差为39%,2者预测精度均较低,其原因主要与太湖的水动力条件、水文气象及藻型生态系统等因素有关。