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_电力/水利_工程科技_专业资料。第 33 卷第 10 期 2011 年 10 月 人民黄河 YELLOW RIVER Vol. 33, 10 No. Oct....
人工神经网络模型在黄河水质预测中的应用_数学_自然科学_专业资料 暂无评价0人阅读0次下载举报文档 人工神经网络模型在黄河水质预测中的应用_数学_自然科学_专业...
提高预测精度 ,并将模型应用于黄河小花段 (小浪底 -花园口段 ) 的水质预测 ...采用人工神经网络方 1 LM 算法的网络学习规则 在人工神经网络发展过程中 , ...
预测结果 表明 , 在建立 黄河人河 污染物和功能 区水质 的输入 响应关 系模 型的实 际应用 中, 神经 网络模型和 L M算法可 以取得较好 的预测 效果 。 ...
人工神经网络在黄河水环境质量评价中的应用_专业资料。为准确和客观地评价地表水环境质量状况,建立了黄河水环境质量评价的BP神经网络模型.仿真结果表明:改进后的BP...
标的人工神经网络模型,用 于其 水质评价,果 静态寻优算法,算法属于 学 习律 ...32网络在黄河兰州段水质预测中的应用 . 用表 1中的预测值与实际值的相对误差...
人工神经网络模型在黄河水... 2页 1财富值 改进的人工神经网络模型在... ... 人工神经网络模型在种植业劳均耕地面积预测中的应用 利用人工神经网络建立了具有...
基于人工神经网络与回归分析的水质预测_专业资料。针对人工神经网络(Artificial ...并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的ANN模型控制前平均精度仅有...
, 2011 灰色和神经网络组合模型在水质预测中的应用刘东君, 邹志红 ( 北京航空航天大学 经济管理学院, 北京 100191) 摘要: 针对天然水 体水质预测问题, 提出了...
人工神经网络模型在黄河水... 2页 1财富值喜欢此文档的还喜欢...该河段水质预测为例, 来探讨水质预测 的马尔科夫模型, 从而为该模型的应用探索...
热门文档