[发明专利]一种混合优化BP神经网络的湖泊水质预测模型构建方法在审
| 申请号： | 201910055480.4 | 申请日： | 2019-01-21 |
| 公开（公告）号： | CN109740286A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 闫健卓;徐宗宝 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 沈波 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种混合优化BP神经网络的湖泊水质预测模型构建方法，首先从Oracle数据库中导出某市地表水的基本信息与水质监测数据，并用VBA语言将数据格式调整正确。然后使用SPSS删除数据空缺较多的行。完成预处理之后，再根据水环境知识筛选出实验相关的水质指标参数，接着分别利用BP神经网络、PSO‑BP神经网络、GA‑BP神经网络和GA‑PSO‑BP神经网络对水质指标参数预测进行模型构建，最后运用评估方法对构建模型进行评估。通过结合不同算法构建方法，充分考虑了各种算法的优缺点，结果表明基于遗传算法GA和粒子群算法PSO混合优化的BP神经网络模型能够提高水质指标参数预测准确率。 | ||
| 搜索关键词： | 水质指标 构建 参数预测 湖泊水质 预测模型 预处理 优化 数据格式调整 水质监测数据 粒子群算法 遗传算法GA 基本信息 模型构建 删除数据 算法构建 知识筛选 水环境 准确率 导出 评估 算法 地表水 空缺 并用 语言 | ||
【主权项】：
1.一种混合优化BP神经网络时间序列预测模型构建方法，其特征在于：该方法包括如下步骤，步骤1：从水质检测数据库中导出某市地表水的基本信息与水质监测数据，查询出实验湖泊数据进行时间序列排序以Excel表形式导出并保存；步骤2：将导出的湖泊水质数据进行预处理，包括异常值检测和空缺值填充，根据水环境知识，选择合适的水质参数，整理出符合实验要求的数据；步骤3：利用经典的BP神经网络构建水质预测模型，再分别用遗传算法和粒子群算法对BP神经网络进行优化，最后提出基于遗传算法和粒子群算法相结合的混合优化BP神经网络的湖泊水质时间序列预测模型，根据性能指标检验模型预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910055480.4/，转载请声明来源钻瓜专利网。
