基于人工蜂群算法的BP双隐含层神经网络水质模型

来源：环境监测管理与技术杂志2018年第1期北京时间：

作者：杨咪；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；徐盼盼；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；钱会；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；侯凯；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；

单位：长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；长安大学环境科学与工程学院,旱区地下水文与生态效应教育部重点实验室；

摘要：采用人工蜂群算法优化BP神经网络的初始权值和阈值，同时采用双隐含层来提高网络精度，选取DO、IMn、COD、BOD5和NH3-N作为评价指标，建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价，同时与BP神经网络、模糊层次评价方法作比较。结果表明：基于人工蜂群算法的BP双隐含层神经网络在水质评价时，均方误差小，多次运行的结果始终一致，评价结果合理有效。

关键词：BP神经网络,双隐含层,人工蜂群算法,水质评价,

基金资助：国家自然科学基金“银川平原地下水对条件变化的响应机制及合理开发利用研究”资助项目（41172212）