基于模拟退火算法优化的BP神经网络预测水体浊度的方法

本发明公开了一种基于模拟退火算法优化的BP神经网络预测水体浊度的方法，具体步骤如下：选取样本和影响浊度的输入变量；根据步骤1的输入变量建立BP神经网络；利用步骤1选取的样本数据训练BP神经网络，根据模拟退火算法对BP神经网络的权重和阈值参数值进行优化；根据优化的BP神经网络，构建浊度的水质预测模型。采用上述一种基于模拟退火算法优化的BP神经网络预测水体浊度的方法，选取影响浊度的输入变量，利用灰色关联度分析法分析所述输入变量与浊度间的相关性，保留相关性得分前五的输入变量；利用模拟退火算法优化建立的BP神经网络；利用优化后的BP神经网络进行负荷预测，得到预测值。