基于机器学习的水质COD 预测方法 宓云軿1,王晓萍1,金 鑫2 (1.浙江大学光电信息工程学系,浙江杭州310027;2.浙江省环境监测中心,浙江杭州310012)摘 要:运用紫外光谱进行水质有机污染物浓度(化学耗氧量(COD ))的检测,必须建立紫外光谱数据与COD 值之 间的数学模型.运用机器学习方法中的L M 2BP 神经网络和支持...
水质COD机器学习相关性模型LM-BP神经网络支持向量机预测精度运用紫外光谱进行水质有机污染物浓度(化学耗氧量(COD))的检测,必须建立紫外光谱数据与COD值之间的数学模型.运用机器学习方法中的LM-BP神经网络和支持向量机,建立了紫外多波段光谱数据与COD值的相关性模型,讨论了在LM-BP神经网络建模中网络结构选择,输入数据...