神經網絡模型在水質評價中的應用.pdf

1、水質評價作為水環(huán)境保護的一項重要措施，近年來不斷有研究學者投身到這個科學領域，國內外對于水質評價的研究已提出了多種方法及模型。本文例舉了一些常用的傳統(tǒng)水質評價方法并分析了這幾種方法不同程度上存在的局限性，并在前人研究的基礎上利用了幾種基于神經網絡的地表水水質評價模型對水質進行評價。本文研究了利用BP神經網絡、概率神經網絡和遺傳算法優(yōu)化的神經網絡建立的三種水質模型，對同一個樣本數(shù)據(jù)進行分類評價。
　　研究的主要內容有:針對吉林敦化新

2、甸段的水質斷面的地表水水質，選取了“COD、CODMn、BOD5、石油”四項指標組成的研究樣本。為了取得良好的訓練效果，針對這些指標的標準再結合地表水水質標準對樣本數(shù)據(jù)用隨機插值的方法進行了樣本的擴充。本文首先闡述了BP神經網絡、概率神經網絡和遺傳優(yōu)化算法的基本概念、原理，分析了各個神經網絡的特點以及存在的局限性。通過BP模型、PNN模型對水質樣本模擬得出的結果說明了神經網絡水質評價的可行性。由于BP神經網絡在某些問題的處理上有一定的局

3、限性，所以結合BP網絡和遺傳算法各自的特點，將全局搜索能力比較強的遺傳算法與BP結合構建了一種穩(wěn)定、收斂快速、魯棒性高的水質評價模型。模型結合遺傳算法的優(yōu)點對BP的權重和閾值做出調整，從本文的每個實驗的仿真結果可以看出改進后的BP網絡不僅使迭代的次數(shù)減少，網絡的收斂速度和準確率都有很明顯的提升。
　　本文的研究表明，神經網絡對水質分類的評價方面在理論上是可行的，在實際應用中有待進一步的研發(fā)，本文的研究也為神經網絡的發(fā)展做出了一些貢