基于改进正余弦优化神经网络的水体余氯预测
Yellow River（2021）
摘要
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.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要