sso-bp模型在水资源可再生能力评价中的应用

？为评价区域水资源可再生能力，提出了水资源可再生能力评价指标体系和分级标准，构建了基于bp神经网络的评价模型，并以云南省文山州水资源可再生能力评价为例进行实例研究。首先，遴选出单位面积水资源量等10个指标，构建水资源可再生能力评价指标体系和分级标准；其次，针对bp神经网络初始权值和阈值难以确定的不足，利用一种全新的仿生群体智能算法——群居蜘蛛优化（sso）算法优化bp神经网络初始参数，提出了sso-bp评价模型，并通过6个高维复杂函数对sso算法进行验证，且与粒子群优化（pso）算法进行对比；最后，利用sso-bp模型对实例进行水资源可再生能力评价。结果表明：①sso算法具有较好的收敛精度和全局寻优能力，可有效提高bp神经网络模型的预测精度和泛化能力。②文山州各评价区域2014年水资源可再生能力处于最强与中等之间，符合区域现状。