基于改进RBF神经网络算法的水质预测模型研究论文.doc

书脊  华 东 交通 大 学 届 硕 士 学 位 论 文 基 于 改 进 神 经 网 络 算 法 的 水 质 预 测 模 型 研 究 信 息 工 程 学 院 郭 鹏 飞 独创性声明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华 东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢 意。 本人签名_______________日期____________ 关于论文使用授权的说明 本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学 校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密的论文在解密后遵守此规定，本论文无保密期内容。 本人签名____________导师签名__________日期__________ 摘要 基于改进 RBF 神经网络算法的水质预测模型研究 摘要 城市供水管网作为市政工程建设的基础设施，担负着为人民群众提供优质无污染生 活饮用水的重担。自来水在流经庞大繁杂的管网系统过程中，易发生“二次污染”，从 而导致水质下降，影响人民群众的生命健康。因此，对管网水质的变化情况进行科学预 测并及时采取有效的措施已成为专家学者的研究热点。传统的水质预测方法，诸如模糊 数学法和灰色系统理论等由于应用受限，误差较大而被逐步淘汰。近年来，RBF（Radial Basis Function，径向基函数）神经网络算法凭借其无限逼近可微函数的优越性能使之在 水质预测研究方面取得了广泛的应用。将 RBF 神经网络算法应用到管网水质预测中， 可以有效弥补传统水质预测方法所存在的缺陷不足，同时可以提高预测精度。但是，由 于 RBF 神经网络算法也存在一些不足之处加之管网水质变化情况的复杂无规律性，亟 需对 RBF 神经网络水质预测模型进行优化改进。本文围绕这一目标进行了积极的尝试 探索，对改进型 RBF 神经网络算法在管网水质预测中的应用进行了深入细致的研究。 本文的研究重点主要集中在以下几个方面： （1）介绍了 RBF 神经网络的基本理论知识，在此基础上总结归纳了传统型 RBF 神经网络算法在管网水质预测方面所表现出的三个缺陷不足，并分别提出了相应的改进 措施：引入黄金分割法优化确定 RBF 神经网络隐含层的单元节点数目，摒弃过去单纯 依靠专家经验进行人工选取的传统做法，提高水质预测结果的客观真实性；引入 Levenberg?? Marquardt 算法优化确定 RBF 神经网络结构，提高 RBF 神经网络的收敛速 度；引入遗传算法对 RBF 神经网络的初始权值和阈值等基本参数进行优化，避免 RBF 神经网络陷入局部极小值点。建立基于改进型 RBF 神经网络算法的水质预测模型，结 合广州大学城水质控制系统提供的样本数据，进行仿真比较，论证了改进型 RBF 神经 网络算法的合理性与优越性。 （2）借助 MATLAB 建立了基于改进型 RBF 神经网络算法的水质预测模型的人机 交互界面。基于改进型 RBF 神经网络算法的水质预测模型不仅适用非技术人员根据样 本数据进行水质评价，同时也能够根据研究内容的不断变化更加方便快捷地建立符合现 实生活需求的改进型 RBF 神经网络水质预测模型，使改进型 RBF 神经网络水质预测模 型从单纯的理论研究真正走向具体的实际应用。 关键词：RBF 神经网络；黄金分割法；L-M 算法；遗传算法 I Abstract RESEARCH ON THE OPTIMIZED PREDICTION MODEL OF WATER QUALITY BASED ON RBF NEURAL NETWORK ABSTRACT As a municipal infrastructure, city pipeline network is obliged for residents to provide high quality and pollution-free drinking water. However, in the massive complicated pipeline network, the water is likely to be contaminated, causing the quality declining and threating people’s health. Therefore, the studies on predicting the quality change