基于BP网络的水质综合评价模型及其应用

《基于BP网络的水质综合评价模型及其应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于BP网络的水质综合评价模型及其应用楼文高王延政（同济大学环境科学与工程学院，上海200092）（上海水产大学海洋学院，上海200090）摘要讨论了BP网络模型存在的不足及建模条件，提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价问题,通过在各类水质污染指标浓度区间内生成随机分布样本的方法，组成足够多用于BP网络训练、检验和测试用的样本,建立了辽河水质综合评价的BP网络模型;给出了区分不同类别水质的模型分界值样本和模型输出分界值。关键词BP网络水质综合评价样本Waterqualitycomprehensi

2、veassessmentmodelusingBPnetworksanditsapplicationsLouWengao(Sckx)lofEnsiionmentalScienceandEngineering.TbnjgiUniversity,Shanghai200092)WangYanzheng(OceanCollege,ShanglmiHsheriesUniversity,Shanghai200090)AbstractTheshortcomingsandthemodelingconditionsofBPnetwork

3、swerediscussed,andtheessentialprin・ciplesandmodelingstepswerethusputforwardinthispaper・Astowaterqualityassessment,anewapproachproducingtrainingsetdata,verificationseidata,testingsetdataandcritical-valuesetdatarandomlydistributedbetweenthecriticalvalueswasestab

4、lished・Thewaterqualityassessmentmodelwassetup.Keyw)rdsBPnetworks;waterquality;conprehensiveassessment;sanpledata冇效利用江河湖泊水体，是实现可持续发展的重要内容之一。为更有效地利用和保护自然水体,首先必须对水体水质进行合理的综合评价与预测。针対辽河水体水质评价与预测的主要任务是，根据水体屮反映污染程度的主要物质（据调研丄要有溶解氧、BOD5、挥发酚、氨氮、亚硝酸盐氮、硝酸盐氮和高镒酸等）和石油类等物质的浓度

5、和国家水质评价标准，分析、评价和预测水质的类别及其发展趋势,为水体管理提供科学的依据。目前水质评价方法主要是多因索的综合评价法，如灰色关联分析、模糊聚类分析法、物元模型法、灰色局势决策法和综介指数评价法等HT］。由于影响水质的因素很多，且因素与水质类别之间通常存在复杂的非线性关系，所以迄今没冇一种统一的和公认的方法。人工神经网络以其口学习、较好的容错性和优良的非线性逼近能力，受到众多领域学者的关注。在实际应用屮,80%-90%的人工神经网络模型是采用谋差反传算法或具变化形式的网络模型（简称BP网络），能较好地应用于函

6、数逼近、模式识别、分类利数据压缩或数据挖掘中。木文根据水质评价标准生成足够多的训练样本、检验样本、测试样本和水质分类样本，按照BP网络建模的基本原则和步骤,建立了辽河新民段水体水质评价合理模型。1人工神经网络模型人工神经网络是20世纪80年代后迅速发展和广泛应用于众多学科的非线性模拟技术，是口前最活跃的前沿学科之-，尤其适合于处理非线性系统o人工神经网络模型共有儿I•种（如BP、RBF、G）honen和PNN/GRNN模型等），最常用的是BP网络。它由一个输入层、一个输出层和若干个隐（含）层组成，同层Z问的节点没有联

7、系，相邻层的节点两两相连，前一层的输出即为后一层的输入，基本运行机制是:由信息正向传播和谋差反向传播两个过程组成，工作基金项R:上海水产大学校长专项基金资助项R（SHJ200105）;上海市教委高等学校科学技术发展基金资助项n（01H03）收稿日期：2002・09・26:修订口期：2002・11-07作者简介:楼文髙（1964〜），男，浙江杭州人，教授，硕士。在读博士研究生。1999T000年在加拿大哥伦比亚大学进修。主耍从事人工神经网络理论研究及其在环境科学中的应用、多目标综合评价理论与实跋等。已发表论文40余篇。

8、原理详见参考文献［4T］。11BP网络模型存在的不足BP网络模型好的自学习性、非线性逼近能力和泛化能力）F不是其木身所固有的，而是在满足建模条件的情况卜•所特有的。否则，网络模型极冇可能是训练（学习）样本的错误反映。大量研究表明,BP网络模型存在以卜•儿个致命弱点：①训练过程易进入局部极小点；②网络结构太人是训练时极易出现“过拟合”（训练样木课