《表3 多种评价方式比较：基于头脑风暴优化算法与BP神经网络的海水水质评价模型研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于头脑风暴优化算法与BP神经网络的海水水质评价模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好的描述BSO-BP模型的准确性以及优越性，将本研究结果与模糊综合评价、BP神经网络评价以及文献[10]的评价结果进行对比，具体评价结果如表3所示。通过比较分析结果数据可知，模糊综合指数评价的结果出现了偏激状况，在2号站位和3号站位上的评价结果分别过重和过轻，这种情况的发生与方法权重的计算方式有一定的关系。模糊综合指数法中会根据各监测要素的超标情况进行权重的计算[1]，超标情况越严重，相应的权重值会越大，所以当某种监测要素的值非常小甚至等于0时，该监测要素的计算权重值就会变得非常小甚至等于0，这样会造成该监测要素对水质综合评价的影响大大减小甚至没有影响，会得到与实际状况完全相悖的结论。BP神经网络的评价计算易陷入局部极小[11]，例如1号站位的评价结果与其他算法存在较大差距，很大程度上是这种原因造成的。文献[10]中遗传神经网络的评价结果在4号站位和6号站位普遍劣于其他评价方法，根据评价数据来看，在遗传神经网络水质评价中各污染物的权重受超标情况影响，仍存在部分陷入局部极小现象，从而出现了劣于其他多种评价方法的结果。而BSO-BP评价模型从比较来看，使用了经过BSO算法来优化之后的权值与阈值，在很大程度上克服了陷入局部极小的问题，并且结合非线性映射的特点，很好的摆脱了污染物超标情况对权重值的影响，使模型的评价结果更加精准。