一种基于类神经网络的压载水微生物数量预测方法

摘要

本发明公开了一种基于类神经网络的压载水微生物数量预测方法，包括如下步骤：取样及数据记录、资料尺度化处理、建立类神经网络架构、拟定倒传递网络训练及预测的各项参数设定、得到基于类神经网络的压载水微生物数量的预测实验结果。本发明为建立快速的预测模式，利用多种水质检验仪器于短时间内检测水质，主要有温度、ph值、导电度、浊度、溶氧量、含盐量、总固体溶解量共7项，将这些水质性质作为类神经网络的输入因子，肠杆菌及大肠球菌数量为目标值，经实验结果与分析后，模拟的结果可以证明使用这种方法确实是有效的。

主权项

一种基于类神经网络的压载水微生物数量预测方法，其特征在于：包括如下步骤：取样及数据记录、资料尺度化处理、建立类神经网络架构、拟定倒传递网络训练及预测的各项参数设定、得到基于类神经网络的压载水微生物数量的预测实验结果；具体主要分为两部分进行：第一部分将A、B、C各组数据单独进行训练，找出最适用于各组的隐藏层神经元数量，接着带入另外两组互相模拟验证，比较是否于不同地点使用本研究所拟定的7项输入因子训练后预测模拟的结果；第二部分将三组数据分为Training 60组数据以及Test 30组数据两组，藉此增加数据量也希望增加整体模拟的准确性，Training用来作训练而训练完后则代入Test进行模拟预测，与第一部分相同，首先找出最适用于训练的隐藏层神经元数量，接着将Test代入模拟预测，验证如果将其它地区的水质性质变化纳入一同训练，是否对于其他地区的菌落数模拟有所帮助；利用MATLAB软件的工具箱建立并运算类神经网络，使用的网络为前馈式倒传递网络。