基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的水質(zhì)評價與水質(zhì)模擬研究.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，其在水污染控制規(guī)劃領(lǐng)域的應(yīng)用研究在國內(nèi)外尚處于初創(chuàng)階段。本文在較全面分析評述了水質(zhì)評價與水質(zhì)模擬研究現(xiàn)狀，及在分析闡述了ANN基本原理、算法和各類模式特征的基礎(chǔ)上，在國內(nèi)首次將ANN方法引入水污染控制規(guī)劃領(lǐng)域，主要在水質(zhì)評價和水質(zhì)模擬的人工神經(jīng)網(wǎng)絡(luò)建模方法以及模型算法方面進行了一些創(chuàng)新性的工作，為提高水質(zhì)評價和水質(zhì)模擬的智能化水平做出了努力。 本文根據(jù)水質(zhì)綜合評價的特

2、點及Hopfield網(wǎng)絡(luò)優(yōu)良的模式識別性能，通過對Liapunov能量函數(shù)構(gòu)造的合理設(shè)計，提出了水質(zhì)綜合評價Hopfield網(wǎng)絡(luò)模型，并從數(shù)學(xué)上嚴格推證了水質(zhì)評價Hopfield網(wǎng)絡(luò)的樣本分類性能。實例研究表明：Hopfield模型在相當(dāng)多評價指標的情況下，仍可很快地給出評價結(jié)果，且可達到相當(dāng)高的精度，同時模型可表述定量和定性的評價指標，增強了評價方法的通用性和適用性。針對水質(zhì)信息的模糊性特征，本文將模糊數(shù)學(xué)與神經(jīng)網(wǎng)絡(luò)相結(jié)合，首次提出了

3、水質(zhì)評價隸屬度BP模型。通過對隸屬度BP模型、模糊綜合指數(shù)法和灰色聚類法實例評價結(jié)果的比較，本文提出的隸屬度BP模型融合了ANN方法和模糊評價方法的優(yōu)點，有效地克服了模糊綜合指數(shù)法評價結(jié)果偏重和灰色聚類法評價結(jié)果偏輕的缺陷，提高了評價結(jié)果的準確性和可靠性；該模型可方便地對模糊規(guī)則進行增加或刪減，比傳統(tǒng)的綜合指數(shù)類評價方法更具靈活性，程序的通用性好，應(yīng)用方便；隸屬度BP模型考慮了環(huán)境水質(zhì)類別變化的連續(xù)性，使評價方法更接近客觀實際。

4、 本文根據(jù)對污染物在河流中遷移過程分段傳遞特征的分析，首次提出了模擬污染物在河流中遷移規(guī)律的串聯(lián)ANN模型，該模型是對ANN模型結(jié)構(gòu)的一種改造。根據(jù)這一建模思路，建立了BOD-DO耦合BP網(wǎng)絡(luò)水質(zhì)模擬模型，以及學(xué)習(xí)速率采用DBD自適應(yīng)技術(shù)的一維水質(zhì)綜合模擬BP網(wǎng)絡(luò)模型。實例研究表明：ANN模型對水質(zhì)模擬的結(jié)果比一維水質(zhì)模型模擬的結(jié)果精度更高，驗證了本文提出的串聯(lián)ANN模型結(jié)構(gòu)的有效性和正確性。本論文在第8章提出了優(yōu)化構(gòu)造算法的一維水質(zhì)

5、綜合模擬RBF網(wǎng)絡(luò)模型，為克服BP網(wǎng)絡(luò)在最小值附近容易產(chǎn)生振蕩的不足，以及利用訓(xùn)練樣本解決網(wǎng)絡(luò)結(jié)構(gòu)的自適應(yīng)優(yōu)化等問題進行了有益的探索。實例研究表明：該RBF模型具有更高的水質(zhì)綜合模擬泛化能力，提高了ANN水質(zhì)綜合模擬的預(yù)測精度，展示了ANN水質(zhì)模擬模型具有良好的應(yīng)用前景。 根據(jù)二維水質(zhì)數(shù)學(xué)模型數(shù)值解法的思路，本文開創(chuàng)性地提出了進行二維水質(zhì)模擬的廣義網(wǎng)絡(luò)法。該方法根據(jù)二維水質(zhì)擴散三個不同方面問題的特征，采用前饋網(wǎng)絡(luò)的拓樸結(jié)構(gòu)形式

6、，以河段特征參數(shù)神經(jīng)元直接表達、橫向擴散系數(shù)三層BP網(wǎng)絡(luò)表達、縱向擴散系數(shù)經(jīng)驗公式表達等構(gòu)造了不同表達方式的輸入層神經(jīng)元，進而依不同表達方式的輸入神經(jīng)元構(gòu)造了廣義網(wǎng)絡(luò)。通過實例研究驗證了該ANN二維水質(zhì)模擬方法的準確性與適用性。 本文研究表明：用ANN模型來進行水質(zhì)評價和水質(zhì)模擬或預(yù)測在理論上可行，在實踐上有繼續(xù)深入研究開發(fā)的價值，具有良好的應(yīng)用前景。本研究為水質(zhì)模擬研究提供了一種新方法，開辟了一條較好的新途徑，也為ANN的應(yīng)