北京市教委科技计划面上项目(KM201110011006)
- 作品数:2 被引量:5H指数:2
- 相关作者:王小艺施彦王立许继平于家斌更多>>
- 相关机构:北京工商大学更多>>
- 发文基金:国家自然科学基金北京市教委科技计划面上项目北京市科技新星计划更多>>
- 相关领域:环境科学与工程更多>>
- 基于复杂网络的城市湖库藻类水华形成识别研究被引量:2
- 2014年
- 在对城市湖库藻类水华形成机理深入研究的基础上,将提取的影响水华暴发的关键因子总磷(TP)、总氮(TN)、温度(T)、pH值、溶解氧(DO)、光照(I)、叶绿素a浓度(chl_a)作为网络节点,将影响因素间的关系抽象成网络的边,构建了藻类水华形成的有向网络模型.同时,计算了复杂网络的统计特征参数,构建了节点的关键度模型,并进行修正,进而构建了水华形成的复杂网络统计特征参数模型G,对其进行半定量分级,从而实现对水华暴发的有效识别,最后采用北京城市河湖水质的实验数据对模型进行了验证.结果表明,复杂网络统计特征参数G与叶绿素a浓度有显著的相关性,能够较好地表征水华形成过程.
- 邵飞施彦王小艺许继平王立盛璐唐丽娜
- 关键词:复杂网络藻类水华
- 基于Bagging集成学习的水华预测方法研究被引量:3
- 2014年
- 随着经济社会的高速发展和工业化建设程度不断提高,水环境问题已经严重影响甚至威胁了人类的健康。近年来,国家大力推行水环境的预测预警,许多专家学者利用人工神经网络等智能方法在富营养化评价及水华预测中得到了较为广泛的运用,也取得了一定成效。然而,人工神经网络的性能受到样本训练算法等方面的影响,在选取合适的神经网络模型、算法以及设置参数麻烦、耗时。随着问题复杂程度的增加,单个网络的隐层节点数将增加很多,训练时间将大大增加,从而造成训练困难。且由于训练过度或不够,往往导致泛化能力较差。为解决此问题,本文在对湖库水华形成机理深入分析的基础上,建立了BP网络的水华预测模型,并利用Bootstrap采样技术获取不同的数据集,分别训练多个BP网络,最终将多个网络进行集成用于建立太湖流域水华预测模型。通过基于Bagging算法的集成学习,可以对样本包含的信息进行充分挖掘,更全面的刻画因素之间的相互联系和变化规律。实验表明基于Bagging算法的BP网络集成模型预测结果与单个BP网络模型预测结果对比,具有较高的预测能力,从而获得了相对理想的预测效果。
- 马新宇施彦王小艺许继平王立于家斌
- 关键词:BAGGING算法水华预测