论文研究 基于RBF神经网络优化方法的水质传感器模型。

为了解决传统的径向基函数神经网络在多水质传感器数据融合中容易陷入局部最优，训练速度慢的问题，提出了一种基于改进的布谷鸟搜索的RBF神经网络优化方法。（ICS）。该方法使用RBF神经网络构建多个水质传感器数据的融合模型。RBF网络可以在复杂性和学习能力之间寻求最佳折衷，并且需要设置的参数相对较少。通过使用ICS算法找到RBF网络的最佳网络参数，所获得的网络模型可以实现数据样本输入与输出之间的非线性映射。基于浙江省地表水水质自动监测数据系统于2018年3月至2018年4月发布的数据进行了数据融合处理实验。与传统的BP神经网络相比，实验结果表明基于梯度下降的RBF神经网络（GD）和遗传算法