BP人工神经网络模型在太湖水污染指标预测中的应用.pdf

《BP人工神经网络模型在太湖水污染指标预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、南方农业学报2011．42(10)：1303—1306JournalofSouthernAgri(·ulturehttp：／／www．．f．yxb．COrnBP人工神经网络模型在太湖水污染指标预测中的应用郭庆春-，2，一，何振芳3”，李力2，李海宁1(1陕西广播电视大学教务处，西安710068；2中国科学院地球环境研究所中国科学院黄土与第四纪地质国家重点实验室，西安710075；3中国科学院研究生院，北京100049；4中国科学院寒区旱区环境与工程研究所，兰州730000)摘要：【目的】利用BP人工神经网络模型预测太湖水污染指标，为探讨

2、湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标，建立了太湖水污染BP人T．神经州络模型，并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的j层BP神经网络预测模型，其预测精度较高，对湖泊水环境污染物预测的适应性较好；对太湖2012年前5周的水质情况进行预测，结果表明，2012年前5周水质污染情况加重，基本为V类水质，符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构，与传统的统计建模方法相比，

3、其预测精度较高，能较好地反映水质指标的内在变化规律，为控制水环境污染提供了科学预测方法。关键词：BP人j：神经网络模型；水污染物；预测；太湖中图分类号：X524文献标志码：A文章编号：2095—1191(2011)10一1303—04ApplicationofBPneuralnetworkmodelforpredictionofwaterpollutantsconcentrationinTaihuLakeGUOQing-chunl’2”，HEZhen-fan93一，LILi2，LIHai—ning。(1TeachingAffairsDe

4、partment，ShaanxiRadio&TVUniversity，Xi’an，710068，China；2StateKeyLaboratoryofLoessandQuaternaryGeology，InstituteofEarthEnvironmentResearch，ChineseAcademyofSciences，Xi’an710075，China；3GraduateSchool，ChineseAcademyofSciences，Beijing100049，China；4ColdandAridRegionsEnvironment

5、alandEngineeringResearchInstitute，ChineseAcademyofSciences，Lanzhou730000，China)Abstract：【Objective]ThepresentstudywasconductedtopredictwaterpollutantconcentrationsinTaihuLakeusingBPneuralnetworkmodelinordertofindoutthemechanismofchangesinwaterpollutantconcentrationsinlak

6、es．【Method】TheBPneuralnetworkforecastmethodforpredictingwaterpollutantconcentrationinTaihuLakeWasestablishedOHthebasisof4waterqualityindices，v／z．，pHvalue，dissolvedoxygen，CODMnandNH3一Nfrom2004-2010．ThedatawereobtainedfromsectionautomaticmonitoringstationofWangRiver(Jiaxin

7、g．Zhejiang)．ThewaterqualityofWangRiverduringfimt5weeksof2012waspredictedbyusingtheestablishedmodel．【Result】InordertosimplifythestructureofBPneuralnetworkmodelandimprovethepredictionspeed，thestudyestablishedathree-layerBPneuralnetworkmodel．Thepredictedresultswerefoundaccu

8、rateandthemodelWasfoundtoefficientlypredictthechangesinwaterpollutantconcen—trationinlakes．Thepredicted