基于模糊人工神经网络识别的水质评价模型

高级搜索

全国中文核心期刊
中国科技核心期刊
美国工程索引（EI）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模糊人工神经网络识别的水质评价模型

陈守煜, 李亚伟

文章导航 > 水科学进展 > 2005 > 16(1): 88-91

陈守煜, 李亚伟. 基于模糊人工神经网络识别的水质评价模型[J]. 水科学进展, 2005, 16(1): 88-91.

引用本文:

陈守煜, 李亚伟. 基于模糊人工神经网络识别的水质评价模型[J]. 水科学进展, 2005, 16(1): 88-91.

CHEN Shou-yu, LI Ya-wei. Water quality evaluation based on fuzzy artificial neural network[J]. Advances in Water Science, 2005, 16(1): 88-91.

Citation:

CHEN Shou-yu, LI Ya-wei. Water quality evaluation based on fuzzy artificial neural network[J]. Advances in Water Science, 2005, 16(1): 88-91.

基于模糊人工神经网络识别的水质评价模型

大连理工大学土木水利学院, 大连, 辽宁, 116024

作者简介:
陈守煜(1930- ),男,浙江宁波人,教授,博士生导师,主要从事水文水资源及工程模糊集理论与应用研究.E-mail:chensydlut@sina.com

中图分类号: X143

Water quality evaluation based on fuzzy artificial neural network

Dalian University of Technology, Dalian 116024, China

摘要: 人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高.阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性.
- 模糊识别 /
- 神经网络 /
- 水质评价
Abstract: The artificial neural network(ANN) and the fuzzy recognition(FR) are all information process systems to simulate biological mechanism.And the two theories are widely applied to many fields currently.Taking each strong point into consideration,this paper proposes a fuzzy artificial neural network recognition model(FANNR) combining ANN and FR; thereby,the flexible recognition ability of the network is enhanced.Finally,the model is used to evaluate the water quality of the Tuo river,and the result shows that FANNR model is objective and practicable.
- fuzzy recognition /
- neural network /
- water quality evaluation

[1]	陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.
[2]	陈守煜.工程水文水资源系统模糊集分析理论与实践[M].大连:大连理工大学出版社,1998.
[3]	陈守煜.工程模糊集理论与应用[M].北京:国防工业出版社,1998.
[4]	Abhijit S Pandya,Robert B Macy.神经网络模式识别及其实现[M].北京:电子工业出版社,1999.
[5]	边肇祺,张学工,等.模式识别[M].北京:清华大学出版社,2000.
[6]	党建武.神经网络技术及应用[M].北京:中国铁道出版社,2000.

[1]	李祚泳, 汪嘉杨, 程会珍. 基于免疫进化算法优化的地下水水质评价普适公式 . 水科学进展, 2008, 19(5): 707-713.
[2]	张小峰, 袁晶. 基于熵值法的BP网络输入变量加权分层方法研究 . 水科学进展, 2005, 16(2): 263-267.
[3]	崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测 . 水科学进展, 2005, 16(1): 76-81.
[4]	李亚伟, 陈守煜, 傅铁. 基于模糊识别的水资源承载能力综合评价 . 水科学进展, 2005, 16(5): 726-729.
[5]	袁晶, 张小峰. 基于遗忘因子的BP神经网络水文实时预报方法 . 水科学进展, 2004, 15(6): 787-792.
[6]	陈守煜, 王国利, 朱文彬, 聂相田. 大连市水资源、环境与经济协调可持续发展研究 . 水科学进展, 2001, 12(4): 504-508.
[7]	何玲, 陈晓宏. 一个基于熵最大原理的地下水评价模型 . 水科学进展, 2001, 12(1): 61-65.
[8]	李祚泳, 张欣莉, 丁晶. 水质污染损害指数评价的普适公式 . 水科学进展, 2001, 12(2): 160-164.
[9]	宋立松, 魏高峰. 感潮河段水位过程预报探讨 . 水科学进展, 2000, 11(3): 302-306.
[10]	王慧敏, 徐立中. 流域系统可持续发展分析 . 水科学进展, 2000, 11(2): 165-172.
[11]	张翔, 丁晶. 神经智能信息处理系统的研究现状及其在水文水资源中的应用展望 . 水科学进展, 2000, 11(1): 105-110.
[12]	李荣, 李义天. 基于神经网络理论的河道水情预报模型 . 水科学进展, 2000, 11(4): 427-431.
[13]	申献辰, 杜霞, 邹晓雯. 水源地水质评价指数系统的研究 . 水科学进展, 2000, 11(3): 260-265.
[14]	顾世祥, 王士武, 袁宏源. 参考作物腾发量预测的径向基函数法 . 水科学进展, 1999, 10(2): 123-128.
[15]	陈守煜, 聂相田, 朱文彬, 王国利. 模糊优选神经网络模型及其应用 . 水科学进展, 1999, 10(1): 69-74.
[16]	束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究 . 水科学进展, 1998, 9(4): 384-388.
[17]	万咸涛. 我国水质评价几个关键性技术问题 . 水科学进展, 1998, 9(3): 296-302.
[18]	邱林, 陈守煜, 聂相田. 模糊模式识别神经网络预测模型及其应用 . 水科学进展, 1998, 9(3): 258-264.
[19]	王德铭. 水污染防治问题的分析研究 . 水科学进展, 1993, 4(1): 74-80.
[20]	侯宇光, 黄川友, 胡昕. 对现行水质监测与水质评价的质疑和探讨 . 水科学进展, 1993, 4(1): 69-73.

WeChat

点击查看大图

计量

文章访问数: 320
HTML全文浏览量: 59
PDF下载量: 797
被引次数: 0

基于模糊人工神经网络识别的水质评价模型

大连理工大学土木水利学院, 大连, 辽宁, 116024

作者简介:
陈守煜(1930- ),男,浙江宁波人,教授,博士生导师,主要从事水文水资源及工程模糊集理论与应用研究.E-mail:chensydlut@sina.com

收稿日期: 2003-09-30
修回日期: 2004-03-30
刊出日期: 2005-01-25

中图分类号: X143

关键词:

摘要: 人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高.阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性.

English Abstract

陈守煜, 李亚伟. 基于模糊人工神经网络识别的水质评价模型[J]. 水科学进展, 2005, 16(1): 88-91.

引用本文:

陈守煜, 李亚伟. 基于模糊人工神经网络识别的水质评价模型[J]. 水科学进展, 2005, 16(1): 88-91.

CHEN Shou-yu, LI Ya-wei. Water quality evaluation based on fuzzy artificial neural network[J]. Advances in Water Science, 2005, 16(1): 88-91.

Citation:

CHEN Shou-yu, LI Ya-wei. Water quality evaluation based on fuzzy artificial neural network[J]. Advances in Water Science, 2005, 16(1): 88-91.

全文HTML

参考文献 (6)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回