基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)建模研究.pdf

1、水資源是一種不可替代的資源。近年來，國(guó)內(nèi)外一直重視水資源的保護(hù)和治理工作。然而隨著科技和產(chǎn)業(yè)的發(fā)展，水資源的問題還是一直制約著社會(huì)和生態(tài)環(huán)境的發(fā)展。同時(shí)傳統(tǒng)的水質(zhì)評(píng)價(jià)方法面對(duì)水環(huán)境問題的復(fù)雜性和非線性缺少高效的處理效率，因此，提高水資源的保護(hù)措施刻不容緩。
　　人工神經(jīng)網(wǎng)絡(luò)（ANN）的發(fā)展為水質(zhì)研究帶來了新的方向，目前國(guó)內(nèi)外已經(jīng)有不少關(guān)于基于人工神經(jīng)網(wǎng)絡(luò)的水質(zhì)方面的研究。本文根據(jù)前人對(duì)人工神經(jīng)網(wǎng)絡(luò)和水質(zhì)評(píng)價(jià)的研究，深入研究小波神經(jīng)

2、網(wǎng)絡(luò)的理論、結(jié)構(gòu)和算法后，嘗試采用小波神經(jīng)網(wǎng)絡(luò)（Wavelet Neural Network，WNN）應(yīng)用于水質(zhì)評(píng)價(jià)研究。論文主要研究包括以下幾個(gè)方面：
　　1．鑒于傳統(tǒng)水質(zhì)評(píng)價(jià)方法存在一定的局限性，利用小波神經(jīng)網(wǎng)絡(luò)收斂速度快、泛化能力好、精度高和良好非線性處理能力，提出采用小波神經(jīng)網(wǎng)絡(luò)用于水質(zhì)評(píng)價(jià)建模，把評(píng)價(jià)結(jié)果和傳統(tǒng)評(píng)價(jià)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，證明該想法的可行性。
　　2.由于傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)算法，存在收斂速度慢等缺點(diǎn)，因此引

3、入自適應(yīng)學(xué)習(xí)和動(dòng)量因子，加快網(wǎng)絡(luò)學(xué)習(xí)速度，提高網(wǎng)絡(luò)的學(xué)習(xí)能力。
　　3．由于傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)算法易陷入局部極小，將遺傳算法（Genetic Algorithm，GA）引入小波神經(jīng)網(wǎng)絡(luò)中，雖然遺傳算法具有良好的自適應(yīng)學(xué)習(xí)能力和全局搜索能力，但其收斂速度慢，因此將一種改進(jìn)的遺傳算法-自適應(yīng)遺傳算法（Adaptive Genetic Algorithm，AGA）應(yīng)用于小波神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究。在遺傳算法的基礎(chǔ)上引入自適應(yīng)調(diào)整參數(shù)，加快收斂

4、速度，提高算法的性能；在創(chuàng)建水質(zhì)評(píng)價(jià)模型時(shí)，先采用自適應(yīng)遺傳算法優(yōu)化WNN的初始權(quán)值、閾值、伸縮和平移參數(shù)，然后將選擇好的參數(shù)作為改進(jìn)WNN的初始參數(shù)值，該方法結(jié)合了AGA算法的全局搜索能力以及自適應(yīng)動(dòng)量梯度下降法的局部搜索能力，經(jīng)過仿真結(jié)果比較研究，證明該理論的可實(shí)現(xiàn)性。
　　4．分別對(duì)傳統(tǒng)WNN算法、改進(jìn)WNN算法和AGA算法建立基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)模型，進(jìn)行仿真實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析。研究結(jié)果表明：采用AGA算法