基于神經網(wǎng)絡的水質評價與預測的探索.pdf

1、人工神經網(wǎng)絡(ANN)是復雜非線性科學和人工智能科學的前沿，在水污染控制領域的應用在國內外尚處于起步階段。本文在全面分析評述水質評價和水質預測的研究現(xiàn)狀，分析闡述了人工神經網(wǎng)絡基本原理、算法和模糊數(shù)學基本理論的后，將模糊神經網(wǎng)絡(FNN)和徑向基神經網(wǎng)絡(RBFNN)引入水污染控制領域，主要在水質評價和水質預測方面進行了一些探索性的研究工作，為提高水質評價和水質預測的智能化水平做出了努力。 本文介紹了FNN的原理、算法和模式特征

2、。FNN不再是一黑箱，其所有節(jié)點與參數(shù)都具有物理意義，并克服了ANN結構的選擇缺乏充分理論分析的缺點。FNN模型既能直接表達人們慣用的邏輯含義，又兼具ANN的自適應學習功能和非純屬表述能力等優(yōu)點。將FNN應用于水質評價是本文的初探，通過實例研究證明，學習五類水質標準后的FNN能夠正確評價其它的水質樣本，具有較好的客觀性、可靠性和可解釋性。 在充分研究RBFNN機理的基礎上，將RBFNN應用到水質預測中，并以深圳河在線監(jiān)測數(shù)據(jù)為訓

3、練樣本，構建了RBFNN水質預測模型。應用該模型對深圳河2006年11月19日至2006年11月29日10天的水質進行預測，并以該時間段的真實監(jiān)測數(shù)據(jù)驗證預測結果的準確性，驗證結果表明該模型預測結果誤差較小、擬合性好。為了比較RBFNN與BPNN(反向傳播神經網(wǎng)絡)的預測性能，本文還以相同的監(jiān)測數(shù)據(jù)建立了BPNN水質預測模型，將其預測結果與RBFNN水質預測模型的預測結果相比較，比較結果表明，RBFNN的預測結果明顯優(yōu)于BPNN。而且在