一种基于人工智能算法的水环境质量评价方法

摘要

本发明公开了一种基于人工智能算法的水环境质量评价方法，通过改进的粒子群算法优化网络参数，利用早熟粒子的速度和位置叠加随机数据，使其离开局部最优，从而使该算法具有更强的寻优能力，利用改进量子神经网络参数进行训练和学习，建立比较高效的改进量子神经网络对水环境质量评价模型，同时构建基于深度信念网络的水质预测模型，利用布谷鸟算法进行网络的优化，将提升深度信念网络的训练精度，使其在水质预测中达到较好的实用度。本发明能够克服粒子群算法本身存在的早熟的不租，改进量子神经网络提高评价的准确性，同时利用优化后的CS‑DBN算法建立水环境质量预测模型，结合布谷鸟算法进行参数优化，有效提高运算精度同时提高运算效率。