基于神经网络简单集成的湖库富营养化综合评价模型

根据中国水利部推荐的地表水富营养化控制标准，以叶绿素a、总磷、总氮、化学需氧量和透明度为评价指标，采用线性插值方法生成均匀分布的训练样本，建立了用于湖泊、水库富营养化综合评价的神经网络简单集成模型，其个体网络采用反向传播网络。通过递增法分别确定个体网络隐含层节点数为3，集成规模为40。所有个体网络均采用弹性反传训练算法和带动量的梯度下降学习算法。将该模型应用于巢湖富营养化综合评价，结果表明该模型有效消除了单个反向传播神经网络对初始网络权重的敏感性，泛化能力得到显著的提高。该模型的评价结果与综合营养状态指数法差异极显著，而与插值评分法差异不显著；但相关性较高，相关系数分别为0．9406和0．8891。通过对比分析，表明该模型较好地归纳了评价标准中的潜在评价规则，评价结果客观、可靠。