基于BP神经网络的黄河口海水入侵程度评价研究

doi:10.3976/j.issn.1002-4026.2014.02.001

J4 ›› 2014, Vol. 27 ›› Issue (2): 1-7.doi: 10.3976/j.issn.1002-4026.2014.02.001

• 海洋科技与装备专栏 • 下一篇

基于BP神经网络的黄河口海水入侵程度评价研究

李连伟¹，刘展¹，胡利民²，王振杰¹

1.中国石油大学（华东）地球科学与技术学院，山东青岛 266580； 2.国家海洋局第一海洋研究所，山东青岛 266061

收稿日期:2013-10-24 出版日期:2014-04-20 发布日期:2014-04-20
作者简介:李连伟（1978-），男，讲师，博士研究生，研究方向为地理信息系统应用和系统设计开发。Email：lilianwei78@163.com
基金资助:
中央高校基本科研业务费专项资金（13CX06012A）；海洋公益性行业科研专项经费（200805063）

BP neural network based seawater intrusion degree evaluation for Yellow River mouth

LI Lian-Wei¹, LIU Zhan¹, HU Li-Min², WANG Zhen-Jie¹

1. School of Geoscience and Technology, China University of Petroleum, Qingdao 266580, China; 2. First Institute of Oceanography, State Oceanic Administration, Qingdao 266061, China

Received:2013-10-24 Online:2014-04-20 Published:2014-04-20

摘要/Abstract

摘要：

基于BP神经网络，以Cl-、矿化度、电导率和地下水位为黄河口区域海水入侵评价指标，建立了具有8个隐含层节点、3层网络的海水入侵程度评价模型。应用海水入侵程度评价指标的各级评价标准作为模型的训练样本和检验样本，对BP神经网络进行训练和检验，并对黄河口区域的海水入侵程度进行评价。结果表明，BP神经网络对检验样本的模拟输出和期望输出一致，黄河口区域海水入侵程度比较严重。

关键词: BP神经网络, 海水入侵, 黄河口, 评价

Abstract:

We established a BP neural network based seawater intrusion degree evaluation model, which included 8 crypticlayer nodes and 3 layers. We trained and tested the neural network with the rank assessment criteria of seawater intrusion degree assessment index as the training and test samples.We further evaluated seawater intrusion degree for Yellow River Mouth. Results show that the simulation result of BP neural network is consistent with the expected result. Seawater intrusion degree at Yellow River Mouth is more serious.

Key words: BP neural network, seawater intrusion, Yellow River Mouth, evaluation

中图分类号:

TP183

李连伟，刘展，胡利民，王振杰. 基于BP神经网络的黄河口海水入侵程度评价研究[J]. J4, 2014, 27(2): 1-7.

LI Lian-Wei, LIU Zhan, HU Li-Min, WANG Zhen-Jie. BP neural network based seawater intrusion degree evaluation for Yellow River mouth[J]. J4, 2014, 27(2): 1-7.

[1]	杨志城, 孙彩虹, 叶冠. 基于多糖及熵权-TOPSIS的灵芝药材质量评价研究[J]. 山东科学, 2024, 37(6): 31-41.
[2]	王琛, 赵燕清, 张铭君. 面向山东省数字经济政策文本的量化评价研究[J]. 山东科学, 2024, 37(5): 111-121.
[3]	高占一, 朱成娟, 韩凌辉. 南京市轨道交通网络抗毁性及韧性研究[J]. 山东科学, 2024, 37(4): 105-111.
[4]	夏青, 臧晓涵, 王勇澄, 张云, 李培海, 张轩铭, 刘可春. 模式生物斑马鱼在化妆品功效评价中的应用进展及发展趋势分析[J]. 山东科学, 2024, 37(2): 36-46.
[5]	张世迪, 种小雷, 王观虎. 基于三角模型的机场拦阻功能评估[J]. 山东科学, 2021, 34(5): 75-85.
[6]	郑宣传, 沈瑜, 董晓春, 李明华, 浦姝. 地铁换乘站交通功能评价指标体系[J]. 山东科学, 2021, 34(4): 95-103.
[7]	姚广铮, 蔡传慈, 赵禄成, 叶凯丰. 一种基于路况数据的城市道路交叉口拥堵评价指数研究[J]. 山东科学, 2020, 33(2): 91-96.
[8]	于成功, 李秀邦, 马生元. 基于超效率DEA-FKM的城市机动车信号[J]. 山东科学, 2019, 32(2): 108-114.
[9]	李小峰，于慧彬. 基于BP神经网络的船舶航向智能PID控制研究[J]. 山东科学, 2018, 31(4): 8-14.
[10]	程珂清，王崇旭，徐童，林莺，周洁，董鹏，李黎明，于京平. 西洋参药材质量评价研究进展[J]. 山东科学, 2018, 31(4): 39-43.
[11]	兰慧慧，吴先宇，尹永昊. 基于路段流量平衡的转向交通量推算方法研究[J]. 山东科学, 2018, 31(3): 76-84.
[12]	郑威, 杨英，惠力, 鲁成杰，赵彬，杨立. 基于BP神经网络模型的ADCP倾斜条件下的修正算法研究[J]. 山东科学, 2018, 31(3): 1-7.
[13]	韩术鑫，王利红，王振华，栾玲玉，赵长盛. 基于内梅罗指数法构建的评价因子筛选和优化方法[J]. 山东科学, 2018, 31(2): 94-99.
[14]	郭梦萦，贾辛欣，朱文. 山东省17市创新能力评价研究[J]. 山东科学, 2018, 31(1): 110-.
[15]	季小妹,石峰,周艾文,范琳 . 基于物质流分析的山东省资源利用压力动态评价[J]. 山东科学, 2018, 31(1): 96-.

基于BP神经网络的黄河口海水入侵程度评价研究

BP neural network based seawater intrusion degree evaluation for Yellow River mouth

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0