基于AGA-RBF神经网络模型的叶绿素a质量浓度预测研究

摘要

叶绿素a质量浓度是预测湖泊水华形成的重要影响因子，但常用的径向基(radial basis function, RBF)神经网络存在容易陷入局部极值，导致预测精度欠佳.针对这一问题，采用自适应遗传算法(adaptive genetic algorithm, AGA)对RBF神经网络进行优化，构建基于AGA-RBF神经网络预测模型，以莆田东圳水库为应用案例，对叶绿素a质量浓度进行预测，通过采集到的数据对预测模型进行仿真，对比均方根误差(RMSE)、相对误差(RE)以及平均相对误差(MRE),验证改进后的AGA-RBF模型具有更好的预测精度，以期对叶绿素a质量浓度进行长期预测.

关键词

RBF人工神经网络 / 自适应遗传算法 / 预测模型 / 叶绿素a质量浓度

基金资助

国家自然科学基金(12101438); 中央引导地方科技发展项目(2022ZYD0011); 四川省自然科学基金(2022NSFSC1852)