论文部分内容阅读
针对传统的水质预测方法中由于因子的多重相关性而造成的预测精度偏低的问题，提出了一种将主成分分析法（PCA）和遗传算法优化的BP神经网络（GABP）相耦合的水质预测方法．利用主成分分析法提取对水质因子影响较强的综合成分，克服了传统水质预测方法中信息冗余的问题．在对大理弥苴河水质进行大量实际监测的基础上，分别采用PCA-GABP神经网络，GABP神经网络以及传统的BP神经网络3种模型的方法，建立了弥苴河水质高锰酸盐指数的的预测模型．通过数据预处理，筛选了600组数据进行训练学习和测试．通过对3个模型的预测误差