论文部分内容阅读
针对用传统机理建模不能满足水体中亚硝酸盐浓度变化预测的问题,引用非线性自结合的时间序列网络,建立了基于NAR神经网络的养殖水体亚硝酸盐预测模型。采用2014年6—10月养殖塘口检测的亚硝酸盐的数据建模,建立了用于养殖水体亚硝酸盐模拟的NAR神经网络,并利用2014年11月的观测数据对模型的模拟能力进行了检验。结果显示,建立的养殖水体亚硝酸盐预测模型,可以很好地模拟水体中亚硝酸盐浓度的变化趋势,模拟的绝对误差平均值为0.0016 mg/L,纳什效率系数为0.72。研究表明,基于NAR神经网络建立的预测模型,