基于Kohonen网络的水质因子聚类分析
文章介绍了使用Kohonen人工神经网络(SOFM)来分析天津市泰达开发区－生态渠道的水质变化的时空规律和驱动因子。该生态渠道水的来源是污水处理厂的二级出水;该地区特点是原属盐碱地,水中盐度较高。本文首先介绍了Kohonen人工神经网络的基本概念。然后建立Kohonen人工神经网络对包括盐度,溶解氧,磷酸盐,总磷,总氮,pH值,电导率,BOD,COD等理化指标以及叶绿索等生物学指标进行聚类分析。接着明晰了Kohonen人工神经网络中的权重向量在本实例中物理意义,最后文章对影响水质的各个指标从时间维和空间维两个角度进行了聚类分析,揭示了生态渠道中水质变化的时空规律。得到各个类之后,文章对各个类进行了甄别和解析,分析了水质变化的驱动因子。通过对水质指标的聚类分析,为下一步建立SOFM-BP组合人工神经网络建立了良好的基础。
Kohonen网络 人工神经网络 聚类分析 生态渠道水 水质指标 溶解氧 水质因子
周尊隆 孙红文 胡智涛 高文宝 李涛
南开大学环境科学与工程学院,天津市 300071
国内会议
杭州
中文
359-365
2004-11-15（万方平台首次上网日期，不代表论文的发表时间）