基于BPNN的一江两河流域水体中重金属浓度预测

摘要：

本文将反向传播神经网络(BPNN)应用于青藏高原一江两河流域(雅鲁藏布江山南段、拉萨河、年楚河)水体中重金属浓度预测,探讨了输入变量、预测因子、隐藏层节点数和模型结构的影响.模型以溶解氧(DO)、pH、电导率(EC)、总磷(TP)、铁(Fe)作为网络的输入层,重金属砷(As)、锑(Sb)、钼(Mo)、锰(Mn)的含量作为网络的输出层,使用Levenberg-Marquardt(LM)算法进行训练.其中,BPNN隐藏层的传递函数为tansig,隐藏层节点数为9,输出层的传递函数为purelin,输出层节点数为4.结果表明:(1)以单个元素作为预测因子时,As、Sb、Mo、Mn预测值和实测值的决定系数(R2)分别为0.98、0.933、0.894、0.928;均方根误差(RMSE)分别为:9.7168×10-4、1.2508×10-4、3.3159×107、1.9188×10-3.(2)以4个元素作为预测因子时,预测值和实测值的决定系数(R2)为0.888;均方根误差(RMSE)为2.1766×10-3.R2值越高,RMSE值越低,表明实测值和预测值拟合程度和适应性良好,证明BPNN能较好地应用于青藏高原一江两河流域水体中重金属浓度预测.

关键词：反向传播神经网络(BPNN)、一江两河流域、重金属、青藏高原

所属期刊栏目：42

分类号：TP183;TP391.41;TN2

资助基金：次青藏高原综合科学考察研究项目;国家自然科学基金;西藏自治区科技厅中央引导地方项目;环境化学与生态毒理学国家重点实验室开放基金

在线出版日期：2023-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1612-1622