采用BPNN进行水质管理是否过度？

Question

我正在开发一种淡水质量管理装置,可用于湖泊和河流等淡水体.该项目分为三个部分:

1. 第一部分涉及获取pH,浊度等参数.
2. 第二部分涉及根据参数采取纠正措施.例如,如果pH值太低,设备将注入碱性溶液以保持pH值为7-7.5.
3. 现在,第三部分基于获得的参数(pH /浊度等)来预测湖泊的健康状况.预测算法应考虑参数并建立它们之间的相关性,以解释湖泊将持续多长时间.为实现这一目标,我目前偏向于使用反向传播神经网络(BPNN),因为我发现其他多个人/机构更喜欢NN进行水质管理.*

现在我担心的是,使用BPNN对于这个项目是否有点过分？如果是,我应该选择哪种方法/工具？

*1,2和3

Answer 1

以"过去"的方式做事并不总是最好的主意.一般来说,如果你没有强大的分析理由选择神经网络,你就不应该从它开始.神经网络训练棘手,具有大量超参数,非确定性且计算成本高.始终从最简单的模型开始,并且只有当它产生不良结果时 - 转向更复杂的模型.从理论上看,Vapnik定理有充分的理由,从实际出发,它类似于编程中的敏捷方法.

那么从哪里开始呢？

1. 线性回归(岭回归,Lasso)
2. 多项式回归
3. KNN回归
4. RBF网络
5. 随机森林Regresor

如果所有这些都失败了 - 想想"经典"的神经网络.但机会相当......很小.