基于灰色-BP神經網絡模型的淮河水污染預測.pdf

1、水是生命的源泉，既是人類賴以生存和發(fā)展的最基本條件，也是自然生態(tài)系統(tǒng)中最重要的因素然而。自二十世紀八十年代以來，隨著沿淮流域各省的社會經濟的發(fā)展，水資源環(huán)境受到了嚴重的影響，已經成為社會經濟可持續(xù)發(fā)展的重要制約因素。因此，合理利用淮河水資源，維護其可持續(xù)的生態(tài)環(huán)境，對經濟社會可持續(xù)發(fā)展及人類的生存都具有十分重要的意義。
　　 水質狀況的好壞能夠直接影響到社會經濟的可持續(xù)發(fā)展，有必要建立一種有效地預測體系來對水污染的治理進行指導。

2、酸堿度、溶解氧、化學需氧量以及氨氮是重要的水質指標，本文主要根據淮河流域阜南王家壩觀測站點的這四個水質監(jiān)測數據進行分析研究，先建立了基于GM(1，1)模型的淮河水質預測模型，通過與真實值進行模擬，表明了該方法具有可行性，且需要的樣本數據較少，精確度也較高，但會隨著時間的推移，其預測效果會逐漸變差。然后又建立了基于BP神經網絡的淮河水質預測模型，雖然其預測效果也較為準確，但是卻需要不斷地對參數進行調整，才可能達到較高的精確度，同時該模型還

3、需要有大量的樣本數據。考慮到GM(1，1)模型能夠弱化數據序列波動性以及BP神經網絡所特有的非線性適應性信息處理的能力，于是提出了基于灰色-BP神經網絡組合模型的淮河水質預測模型，即先利用GM(1，1)模型對真實值進行預測，然后再將真實值預測值之差即殘差值作為BP神經網絡模型的輸入訓練樣本，并通過選擇適當的BP神經網絡結構以及相關參數等等，對樣本進行訓練，在能夠達到預期目標的情況下，再把通過BP神經網絡模型預測得出的殘差值與GM(1，1