人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)模擬與水質(zhì)評價中的應(yīng)用研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(ANN)是復(fù)雜非線性科學(xué)和人工智能科學(xué)的前沿，近年來，隨著人工神經(jīng)網(wǎng)絡(luò)理論和應(yīng)用技術(shù)的日益完善，慢慢地成為各個學(xué)科的研究熱點。本文在較全面闡述了ANN基本原理、優(yōu)化算法的基礎(chǔ)上，提出將BP神經(jīng)網(wǎng)絡(luò)引入水質(zhì)模擬和水質(zhì)評價領(lǐng)域，主要以三峽水庫為例，在人工神經(jīng)網(wǎng)絡(luò)建模方法及其在水質(zhì)模擬及評價的應(yīng)用方面做了些探索性的研究。
　　研究的內(nèi)容主要有:首先，對BP神經(jīng)網(wǎng)絡(luò)的基本原理及推導(dǎo)過程進行詳細(xì)闡述，并以長江朱沱至黃謙段為研究

2、區(qū)域，研究入河污染物(CODmn、DO和BOD5)在水質(zhì)監(jiān)測斷面朱沱和黃謙上的水質(zhì)響應(yīng)。選用了改進的BP神經(jīng)網(wǎng)絡(luò)模型——Levenberg-Marquardt規(guī)則訓(xùn)練前向算法的BP神經(jīng)網(wǎng)絡(luò)，建立能夠反映研究區(qū)域中，下游斷面污染物各水質(zhì)響應(yīng)指標(biāo)與影響它的上游斷面各參量之間關(guān)系的水質(zhì)模型，分析和驗證該方法的適用性。研究結(jié)果表明:據(jù)此方法建立的模型在預(yù)測精度上具有較高的優(yōu)越性。
　　用彈性BP算法建立了湖泊富營養(yǎng)化評價神經(jīng)網(wǎng)絡(luò)，并且對三

3、峽庫區(qū)次級河流龍溪河下游長壽湖富營養(yǎng)化進行了評價。運用長江三峽水質(zhì)2000年監(jiān)測數(shù)據(jù)，采用單因子評價法方法對三峽庫區(qū)長江干流及其次級河流水質(zhì)污染現(xiàn)狀進行全面的、系統(tǒng)的評價。應(yīng)用多元統(tǒng)計方法，采用SPSS10.0軟件，對三峽庫區(qū)長江干流主要監(jiān)測斷面的主要污染物進行了因子分析，用來揭示了三峽庫區(qū)水質(zhì)指標(biāo)之間的相互關(guān)系及聯(lián)系。在此基礎(chǔ)上研究了模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)這兩種人工智能方法的長處和短處，并將它們有機地結(jié)合在一起。將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于三峽水