基于M-GA-BP模型的乌梁素海悬浮物浓度反演研究

吴陈昊; 付学良; 李宏慧; 扈华

doi:10.20040/j.cnki.1000-7709.2023.20230103

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于M-GA-BP模型的乌梁素海悬浮物浓度反演研究

更新时间：2026-02-25

- 基于M-GA-BP模型的乌梁素海悬浮物浓度反演研究
- Issue 12, Pages: 49-52(2023)
- 作者机构：
  
  内蒙古农业大学计算机与信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20230103
  CLC： X524
- Published：2023
- 稿件说明：
移动端阅览
吴陈昊, 付学良, 李宏慧, et al. 基于M-GA-BP模型的乌梁素海悬浮物浓度反演研究[J]. 2023, (12): 49-52.
DOI：

吴陈昊, 付学良, 李宏慧, et al. 基于M-GA-BP模型的乌梁素海悬浮物浓度反演研究[J]. 2023, (12): 49-52. DOI： 10.20040/j.cnki.1000-7709.2023.20230103.

摘要

为了解乌梁素海水质状况，提出一种基于M-GA-BP的乌梁素海悬浮物浓度反演方法，该方法以Sentinel-2遥感卫星影像为数据源，考虑研究区域存在的时空特性，提出将月份数据作为悬浮物浓度反演的一个特征，利用遗传算法(GA)优化BP神经网络的权值与阈值，建立GA-BP神经网络模型，并与传统BP神经网络模型进行比较。结果表明，引入月份特征模型有效降低了模型复杂度，提高了模型反演精度，其中，M-GA-BP模型反演精度最高，训练集、测试集决定系数分别为0.916、0.903

训练集、测试集均方根误差分别为0.049、0.057μg/L

研究结果为乌梁素海悬浮物浓度反演提供了新思路。

Abstract

关键词

Keywords

references

基于GA-BP模型的卵石混凝土抗折强度预测[J]. 翟来铮;高宇龙;李清富;张华.人民黄河,2022(11)

基于BP神经网络的人工加糙明渠糙率预测模型[J]. 王麟;赵涛.水电能源科学,2021(09)

太湖流域滆湖水体悬浮物分布特征及其影响因素[J]. 吴晓东;王露;晁建颖;廖泽勇;胡垚;任伟祥;周梦蝶.湖泊科学,2020(06)

地貌瞬时单位线在滦河中小流域的应用[J]. 赵兰兰;袁杰;李磊;王容.水电能源科学,2020(05)

基于Landsat-8的城市湖泊水体总悬浮物吸收系数的遥感反演——以杭州西湖为例[J]. 黄李童;陈江;朱渭宁;孙楠;逄淑娜.环境科学学报,2018(10)

南四湖水体实测高光谱与悬浮物浓度及浊度关系分析[J]. 曹引;冶运涛;赵红莉;石玉波;蒋云钟;孟楠.水电能源科学,2016(01)

MODIS-Based Remote Estimation of Absorption Coefficients of an Inland Turbid Lake in China[J]. Qiao Chu;Yuchao Zhang;Ronghua Ma;Minqi Hu;Yuanyuan Jing.Remote Sensing,2020

Views

120

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于Sentinel-2影像的巢湖叶绿素a浓度遥感动态监测

复杂分区土石坝渗透系数反演的HSBP算法及其应用

服役期边坡力学参数与卸荷松动区联合反演研究

东江流域梯级水电站的多目标调度研究

基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计

Related Author

陈鑫雨

黄诗峰

马荣华

杨宁

包腾飞

党亚山

李鹏科

范成博

Related Institution

中国科学院南京地理与湖泊研究所

水利部防洪抗旱减灾工程技术研究中心

中国水利水电科学研究院

河海大学水利水电学院

河海大学水灾害防御全国重点实验室

AI问答

⁰