基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型的淮河水污染預(yù)測.pdf

1、水是生命的源泉，既是人類賴以生存和發(fā)展的最基本條件，也是自然生態(tài)系統(tǒng)中最重要的因素然而。自二十世紀(jì)八十年代以來，隨著沿淮流域各省的社會經(jīng)濟的發(fā)展，水資源環(huán)境受到了嚴(yán)重的影響，已經(jīng)成為社會經(jīng)濟可持續(xù)發(fā)展的重要制約因素。因此，合理利用淮河水資源，維護其可持續(xù)的生態(tài)環(huán)境，對經(jīng)濟社會可持續(xù)發(fā)展及人類的生存都具有十分重要的意義。
　　 水質(zhì)狀況的好壞能夠直接影響到社會經(jīng)濟的可持續(xù)發(fā)展，有必要建立一種有效地預(yù)測體系來對水污染的治理進行指導(dǎo)。

2、酸堿度、溶解氧、化學(xué)需氧量以及氨氮是重要的水質(zhì)指標(biāo)，本文主要根據(jù)淮河流域阜南王家壩觀測站點的這四個水質(zhì)監(jiān)測數(shù)據(jù)進行分析研究，先建立了基于GM(1，1)模型的淮河水質(zhì)預(yù)測模型，通過與真實值進行模擬，表明了該方法具有可行性，且需要的樣本數(shù)據(jù)較少，精確度也較高，但會隨著時間的推移，其預(yù)測效果會逐漸變差。然后又建立了基于BP神經(jīng)網(wǎng)絡(luò)的淮河水質(zhì)預(yù)測模型，雖然其預(yù)測效果也較為準(zhǔn)確，但是卻需要不斷地對參數(shù)進行調(diào)整，才可能達(dá)到較高的精確度，同時該模型還

3、需要有大量的樣本數(shù)據(jù)?？紤]到GM(1，1)模型能夠弱化數(shù)據(jù)序列波動性以及BP神經(jīng)網(wǎng)絡(luò)所特有的非線性適應(yīng)性信息處理的能力，于是提出了基于灰色-BP神經(jīng)網(wǎng)絡(luò)組合模型的淮河水質(zhì)預(yù)測模型，即先利用GM(1，1)模型對真實值進行預(yù)測，然后再將真實值預(yù)測值之差即殘差值作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入訓(xùn)練樣本，并通過選擇適當(dāng)?shù)腂P神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以及相關(guān)參數(shù)等等，對樣本進行訓(xùn)練，在能夠達(dá)到預(yù)期目標(biāo)的情況下，再把通過BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測得出的殘差值與GM(1，1