Page 46 - 2023年第54卷第3期

神经网络，对其中的 ＢＰ神经网络和 ＩＰＳＯ算法粒子群初始化；③ＩＰＳＯ算法调用 ＢＰ神经网络计算当前
适宜度值（仅第一次迭代时）以寻求粒子个体和全体的适宜度极值；④根据式（４）进行粒子速度和位置
更新，判断是否施加变异扰动，并调用 ＢＰ神经网络计算粒子适宜度值；⑤判断是否达到最大迭代数
或预设精度，否则返回到步骤③；⑥将寻优得到的权值和阈值赋予 ＢＰ神经网络，再利用梯度下降法
进行训练；⑦将待预测的高含沙水体和鱼类数据输入 ＢＰ神经网络，输出相应的鱼类死亡率。

图 ５ 利用 ＩＰＳＯ － ＢＰ神经网络预测鱼类死亡率算法流程

３ 基于 ＩＰＳＯ － ＢＰ神经网络的鱼类致死影响预测

３．１ 神经网络参数的确定
（１）评价指标。为了衡量神经网络的预测效果，使用均方根误差（ＲｏｏｔＭｅａｎＳｑｕａｒｅＥｒｒｏｒ，ＲＭＳＥ）、
平均相对误差绝对值（ ＭｅａｎＡｂｓｏｌｕｔｅＰｅｒｃｅｎｔａｇｅＥｒｒｏｒ，ＭＡＰＥ）和纳什效率系数（Ｎａｓｈ － Ｓｕｔｃｌｉｆｆｅｅｆｆｉｃｉｅｎｃｙ
ｃｏｅｆｆｉｃｉｅｎｔ ，ＮＳＥ）进行评价 ［２４］ 。计算公式分别为：
１ ｎ
ＲＭＳＥ ＝ ∑ （ ＾ｙ － ｙ ） ２ （９）
槡
ｉ
ｉ
ｎ ｉ ＝１
＾ － ｙ
１ ｎ ｙ ｉ
ｉ
ＭＡＰＥ ＝ ∑ （１０）
＾
ｎ ｉ ＝１ ｙ
ｉ
６
— ２ ９ —