基于改進RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預測模型研究.pdf

1、城市供水管網(wǎng)作為市政工程建設(shè)的基礎(chǔ)設(shè)施,擔負著為人民群眾提供優(yōu)質(zhì)無污染生活飲用水的重擔。自來水在流經(jīng)龐大繁雜的管網(wǎng)系統(tǒng)過程中,易發(fā)生“二次污染”,從而導致水質(zhì)下降,影響人民群眾的生命健康。因此,對管網(wǎng)水質(zhì)的變化情況進行科學預測并及時采取有效的措施已成為專家學者的研究熱點。傳統(tǒng)的水質(zhì)預測方法,諸如模糊數(shù)學法和灰色系統(tǒng)理論等由于應用受限,誤差較大而被逐步淘汰。近年來,RBF(Radial Basis Function,徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)算

2、法憑借其無限逼近可微函數(shù)的優(yōu)越性能使之在水質(zhì)預測研究方面取得了廣泛的應用。將 RBF神經(jīng)網(wǎng)絡(luò)算法應用到管網(wǎng)水質(zhì)預測中,可以有效彌補傳統(tǒng)水質(zhì)預測方法所存在的缺陷不足,同時可以提高預測精度。但是,由于 RBF神經(jīng)網(wǎng)絡(luò)算法也存在一些不足之處加之管網(wǎng)水質(zhì)變化情況的復雜無規(guī)律性,亟需對 RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預測模型進行優(yōu)化改進。本文圍繞這一目標進行了積極的嘗試探索,對改進型 RBF神經(jīng)網(wǎng)絡(luò)算法在管網(wǎng)水質(zhì)預測中的應用進行了深入細致的研究。本文的研究重

3、點主要集中在以下幾個方面:
　　(1)介紹了 RBF神經(jīng)網(wǎng)絡(luò)的基本理論知識,在此基礎(chǔ)上總結(jié)歸納了傳統(tǒng)型 RBF神經(jīng)網(wǎng)絡(luò)算法在管網(wǎng)水質(zhì)預測方面所表現(xiàn)出的三個缺陷不足,并分別提出了相應的改進措施:引入黃金分割法優(yōu)化確定 RBF神經(jīng)網(wǎng)絡(luò)隱含層的單元節(jié)點數(shù)目,摒棄過去單純依靠專家經(jīng)驗進行人工選取的傳統(tǒng)做法,提高水質(zhì)預測結(jié)果的客觀真實性;引入LevenbergMarquardt算法優(yōu)化確定RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提高RBF神經(jīng)網(wǎng)絡(luò)的收斂速度;引

4、入遺傳算法對RBF神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值等基本參數(shù)進行優(yōu)化,避免RBF神經(jīng)網(wǎng)絡(luò)陷入局部極小值點。建立基于改進型 RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預測模型,結(jié)合廣州大學城水質(zhì)控制系統(tǒng)提供的樣本數(shù)據(jù),進行仿真比較,論證了改進型 RBF神經(jīng)網(wǎng)絡(luò)算法的合理性與優(yōu)越性。
　　(2)借助MATLAB建立了基于改進型RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預測模型的人機交互界面?；诟倪M型 RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預測模型不僅適用非技術(shù)人員根據(jù)樣本數(shù)據(jù)進行水質(zhì)評價,