基于神经网络的水厂原水水质的综合评价.pdfVIP

冶金分析 ,2008 ,28 (5) :4447 Met allur gical Analy si s ,2008 ,28 (5) :4447 ( ) 文章编号 :1000 - 757 1 2008 05 - 0044 - 04 基于神经网络的水厂原水水质的综合评价 张成燕 ,徐 　望 , 赵冬冬 , 马卫兴 (淮海工学院化学工程系 ,江苏连云港 222005) 摘 　要 :基于B P 神经网络的改进算法 ,提出了以Mat lab 70 为平台的算法程序的人工神经网 ( ) 络水质评价模型 。参照《地表水环境质量标准》GB3838 - 2002 ,确定神经网络学习和训练的 样本并确定了模型的相应参数 。以连云港市海州水厂原水取水口水质数据为样本 ,进行水质 综合评价分析 。与单因子评价法和模糊综合评价法进行了比较 ,结果表明神经网络模型所获 得的结果更加客观 、合理 。 关键词 :B P 神经网络 ;水厂原水 ;水质综合评价 中图分类号 : TP273 ;X143 　　　　文献标识码 :A [ 1 ] 　　水质综合评价 就是将水质监测因子和水质 1 1 1 　神经网络模型 　在建立神经网络模型过 评价标准联合起来进行研究 ,从而建立水质评价 程中 ,首先要确定网络的输入层数和每层的神经 模型 ,对水体的水质等级进行综合评判以便为水 元数 。B P 网络的输入层和输出层的神经元个数 , 质 目标责任管理提供科学依据 ,为水体的科学管 是由输入和输出向量的维数确定的。水质评价中 理和污染防治提供决策依据 。水环境质量综合评 输入向量的维数也就是影响水质因素的个数 。根 价涉及到的多项评价指标之间通常存在不相容性 ( ) ( 据《地表水环境质量标准》GB3838 - 2002 见表 和模糊性 ,而且一般认为各项指标与环境质量等 1) ,选取高锰酸钾指数 、化学需氧量 、氨氮 、氟离子 级之间存在的是非线性关系 , 因此水质评价模型 和总磷作为水质评价因素集 , 即输入层神经元个 需要有很强的容错能力和处理非线性能力 。 数是 5 。网络输出对应水质分类结果定为 0 1 , 人工神经网络模型具有较强的非线性动态处 03 ,05 ,07 ,09 ,即输出层的神经元为 1 。由于 理能力 ,可以实现高度的非线性映射 ,从而在谱图 单隐层的B P 网络可以逼近一个任意的连续非线 分析 ,混合物定量分析 ,化合物结构和性能分析等 多个化学化工领域中得到了成功应用[2 - 4 ] 。近年 性函数 ,因此采用单隐层的 B P 网络进行设计评 来该方法在水质评价中亦有报道[ 5 ] 。 价 ,经过多次训练比较 ,确定隐含层的数 目为 4 , 则得到水质综合评价的B P 神经网络模型的结构 本文建立了基于 Trainbr 算法的B P 神经网 络模型 ,有效地提高了网络的推广能力和计算速