文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 环境科学/食品科学 > 人工神经网络模型在黄河水质预测中的应用
侵权投诉

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004—2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型。为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验。结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的

第3 3卷第 l O期 21 0 1年 l 0月

人

民

黄

河

Vo _ 3. . O l 3 No 1 0c .. 01 t 2 1

YE L L OW RI VER

【资源 环境】水水

人工神经网络模型在黄河水质预测中的应用 郭庆春,芳,何振李力 (. 1陕西广播电视大学,陕西西安 70 6; 10 8

2中国科学院地球环境研究所黄土与第四纪地质国家重点实验室, .陕西西安 70 7; 105 3中国科学院研究生院, .北京 10 4; . 0 0 9 4中国科学院寒区旱区环境与工程研究所,甘肃兰州 7 0 0 ) 30 0 摘要:用画匠营予断面 20 - 2 0采 0 4 0 9年逐周水质指标资料作为神经网络模型的训练样本, B对 P神经网络进行训练 .

分别建立了 p H值、溶解氧、氨氮、高锰酸盐指数的预测模型。为了验证模型的正确性,用训练好的神经网络模型,利采

用调整后的权值和阈值, 2 1将 0 0年的数据作为独立样本进行预测检验。结果表明:于 B基 P神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高。 关键词:水质预测;人工神经网络;B P算法;黄河 文献标识码: A d i1 .99 ji n 10 .3 92 1.0 0 5 o:0 3 6/.s .0017 .0 1 1 . 1 s中图分类号:X 2;P 8 8 4 T 13

P e i in o eY l w R v rW ae u ly B sd o t ca u a N t o k rdc o f h el ie trQ ai ae nAri il t t o t i f Ne r l ew r G O Qn—h n’,H h nf g’, I i U igcu ’ EZ e— n L a L ( .∞ m a i T n esy X ' 10 8, hn 1 R do& VU iri, i n70 6 C i v t a a;

2 tt KyL brtyo os a dQ aen r elg,nt ̄ E r ni n et e ac C i s cdmyo Si cs X" 10 5, hn .Sae e a oao es n ut ayGo y Ist eo a hE v om n s r r fL r o i f t r R e h, hn e a e c ne, i n70 7 C i e A f e a a; 3 rd ae colC i sA a e yo c ne, eig10

4,C i; .Ga u tSho, hn e cdm i cs B in 00 9 hn e fS e j a 4 o n r ei s ni n etl n ni e n eer tue hns Aa e yo c ne,L nhu70 0 .C l adAi Rgo vo m na dE gn r gR sac I i t,C i e cdm Si c a zo 3 00,C ia d d nE r a e i hn t s e f e s hn )

A s a t B k gteH a agigiet nw el u lyidxdt o 20 09a et iigsm ls pe i i dl aet ie bt c: yt i uj nynz sco ekyqai e a f m 04t 20 sh ann a pe, rdco moes r and r an h i i tn ar o t r tn r a d e t b ih d r s e t ey b s d o P e r e wo k o H,d s ov d o y e m mo i i o e n e ma g n t n e .I r e e i e n sa l e e p ci l a e n B n u a n t r fp s v l is l e x g n,a n a n t g n a d p r n a ae i d x n o d rt v r yt r o fh

cretes ten ua ntokmoes y andwt dut egt adtrso s a dtedt i 00aeue sa dp n eteta— orc s,h e r e r dl ae ie i ajs dw i s n ehl, n a 2 1 sda i ee dn ssm n l w t r h e h h d h an y n n t p e T e r s l h w a h P p e c i n mo e so t rq a i n e e a ef s o v r e c p e i . h e u t s o t tt e B rdit d l f e u l y i d x sh v a t n e g n e s e d,g o tig c p b l y t h r i i gs m- s h o wa t c 0 d f t a a i t t e t n n a i n i o a

pe,a d hg oe atac rc ot ets a pe is n ih frc s c ua yt h ets m l. Ke r s a e u l y p e ito y wo d:w tr q a i r d c in;atf

i e r ewo k;B g r h;Yelw v r t ri c a n u a n t r i l l P a o tm l i l o Ri e

随着经济发展和城市规模的扩大,黄河流域生态环境压力日趋加重,临着水环境污染与水资源短缺的双重困境。2 0面l 09年,河水系总体为中度污染,4个国控监测断面中,I~Ⅲ黄 4类、Ⅳ类、 V类和劣 V类水质的断面比例分别为 6 .%、.%、 82 45 23 .%和 2 .%, 5 0主要污染指标为石油类、氨氮和五日生化需氧

保护部数据中心,间为 20时 0 4年 1月 5日_2叭0年 1 0月 9

日。由于水质状况的改变主要是由水体 p H值、氧、溶解高锰酸 盐指数和氨氮浓度变化造成的,因此采用自动监测站这 4项指 标进行分析。为了提高训练速度和灵敏性,有效避开 Sg并 i—

mi od函数的饱和区,一般要求输入数据值在 0~l之间,因此要 对输入数据进行预处理: Y= (—mi ) ( x—m n n/ ma i )

量;黄河干流水质总体较优,支流总体为重度污染,界河段为省 中度污染。

水质监测与预测是水资源管理的重要基础,是保护水环境的重要手段。鉴于水质预测的复杂非线性特点,了做出准确为预测,必须采用能掌握非线性变化规律的方法。B P神经网络

式中:为水质原始数据; Y为预处理后的数据; x和 mi ma n 分别为原始数据取值范围的最大值和最小值。

具有逼近任意连续函数和非线性映射的能力,并可进行高维非 线性精确映射,已在很多领域得到应用 J。笔者根据黄河干流画匠营子断面 2 0 -2 1的水环境监测数据, 0 4 00年建立水质指标预测模型,对水质变化趋势进行了预测。

2研究方法 2 1神经网络概念 . 典型的 B P神经网络模型 (即误差反向传播神经网络 )是 收稿日期: 1— 2 0 2 0 1 -7 0

1数据样本 内蒙古包头画匠营子断面逐周水质资料来源于中国环境

基金项目:国家自然科学基金资助项目( 2 1o0 6 120 0 ) 0 1o 3 2/ 12 30。

作者简介:郭庆春 ( 99 )男, 17一,山东聊城人,助教,士,究方向为环境信息硕研 系统。 E— i:q@ i c s c malg c e a . a e

42

人工神经网络模型在黄河水质预测中的应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email