基于云计算和GA-BP神经网络的西江水质评价研究

摘要

为提高水质评价精度,针对BP神经网络的预测结果易受初始连接权值和阈值的影响以及易陷入局部极值的问题,提出一种遗传算法优化BP神经网络的水质评价模型.针对水质评价数据特性,引入Multi-Agent和分布式思想,利用云计算的MapReduce框架对GA-BP模型进行并行化改进,提高其处理海量高维水质评价数据的能力.为证明所提算法的效果,选择西江2011-2015年的水质监测数据为研究对象,研究结果表明,与PSO-BP,GA-BP,DE-BP和BP相比,所提算法MR-GA-BP不但可以提高水质评价的精度,而且能够降低计算资源的消耗,缩短训练时间,具有很好的并行性能.