《表2 参数初始值范围：基于GLUE方法的湖库富营养化风险评估》

  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GLUE方法的湖库富营养化风险评估》

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

通过Matlab软件中的BP神经网络工具箱，输入190组实测数据集，以自动训练生成net模型，为了进一步验证评估模型的适用性与稳定性，随机取3组[100，90]数据集（100组为验证集，90组作为校核集），计算纳什（NSE）系数及均方根误差（RMSE）指标对模型进行评估，同时试算最优隐含层节点数与隐含层数，最终确定BP模型构型为8-8-5-1（输入层为8；隐含层2层，分别8个神经元、5个神经元，输出层为1），详细结果见表2。由表2可知，模型验证集NSE系数均值为0.66，RMSE为7.56；校核集均值为0.63，RMSE为7.09。NSE系数越接近1，表示模型模拟表现越好，一般水文水质模型预测中，由于人类本身对自然现象模拟认知的模糊性及自然界水文水质现象普遍存在“噪声”干扰（如人为监测数据的误差、各种自然界中无法估计的偶发性等），很难得到一个很准确的模拟，参考相关研究文献[17]，一般认为0.5～0.65之间即可认为可以接受。RMSE精度需根据统计数据的量级进行判断是否合理，通过190组数据集训练得到的BP神经网络模型，模拟得到的叶绿素浓度在基本上在100以内，均方根误差在10以内，即存在低于10%的误差，在可接受范围。故构建模型适用性较好，可用来进行数值实验，分析各参数的不确定性。