论文研究 基于信任传播的协同过滤算法.pdf

在之前的研究中使用人工神经网络进行水质指标预测已经取得一定效果，在此基础上将交叉验证应用于人工神经网络的训练，获得更加准确的预测结果。以澧水某监测站的水质实测数据作为样本，选取总磷、总氮、溶解氧等6个指标，建立水质预测模型。在运用Levenberg-Marquardt优化算法对学习样本进行优化的基础上，采用加权的k-fold交叉验证方法来构建神经网络集合，构建集合时采取三种不同的混合方式：平均值、中间值和加权累积。针对不同的指标，进行了一系列的实验，总的来说，新的预测方法与简单0倍验证相比有更好的预测结果，在所有指标中氨氮和溶解氧含量预测准确率比其他指标高。