基于智能计算的影响河流水质的分类预测要点.docx

基于智能计算的影响河流水质的分类预测 摘 要：为了有效地控制和治理河流水体污染，保障水资源的可持续利用，了解水资源现状及发展变化趋势，增加水质预测系统具有十分重要的现实意义。基于影响水体水质的因素众多以及BP网络存在的局限性，建立主成分分析法、BP神经网络、遗传算法结合的水质分类预测模型。本文首先采用主成分分析法进行降维，提高BP网络训练速度。采用遗传算法优化BP网络的参数，优化出全局最优的网络参数，提高水质预测分析的精度。该模型利用太湖某断面的水质指标实测数据进行训练和仿真。研究结果表明：23个指标因素可压缩为15个综合指标，未污染水质的仿真个数为124，预测正确为100，准确率为80.65%；污染水质的仿真个数为44，预测正确为41，准确率为93.18%。总体预测率约为83%。 关键词：主成分分析；BP神经网络；遗传算法；水质预测 中图分号类： 文献标识码：A Based on Intelligent Computing the Classification of River Water Quality Forecasting Abstract: In order to effectively control and river water pollution control, protection and sustainable utilization of