论文部分内容阅读
随着人们对水资源环境的日益重视,各种水质评价方法层出不穷。传统的水质评价方法多采用精确的数学模型进行描述,无法很好的反映水环境中存在的复杂非线性关系,从而影响整体评价结果。因此,本文提出采用一种改进的自组织特征映射神经网络（SOM）方法来进行水质评价,利用SOM神经网络能在无监督、无先验知识的状态下对样本进行自组织、自学习,实现对样本的评价与分类这一特点。通过引入主成分分析,解决SOM神经网络处理高维和相关性强的指标时出现的问题,提高网络收敛速度和聚类准确性。仿真结果表明：改进后的SOM神经网络能够直观准