自适应粒子群算法和混沌理论的BP神经网络在水质评价中的应用

为克服传统水质评价方法的不足，提出了一种结合粒子群优化（PSO），混沌理论，自适应策略和反向传播人工神经网络（BPANN）进行评价的模型。中国渭河的水质提出了一种具有自适应惯性权重和通过logistic函数调整混沌学习因子的改进PSO算法，并将其用于优化BP神经网络的网络参数。平均绝对偏差（AAD），预测均方根误差（RMSEP）和平方相关系数的值分别为0.0061、0.0163和0.9903。与BPANN，PSOBPANN等其他方法相比，该模型显示了最优的预测性能，具有较高的精度和良好的相关性。结果表明，该方法具有良好的水质评价预测能力。它方便，可靠，精度高，为水质提供了良好