基于BP人工神經(jīng)網(wǎng)絡(luò)的大慶水庫水質(zhì)預(yù)測研究.pdf

1、近年來隨著原水污染的日益嚴(yán)重，建立原水水質(zhì)預(yù)警系統(tǒng)迫在眉睫。本研究采用大慶水庫水自動監(jiān)測站的水質(zhì)監(jiān)測數(shù)據(jù)，主要研究BP神經(jīng)網(wǎng)絡(luò)模型對大慶水庫水質(zhì)的預(yù)測性能，重點(diǎn)探討了水庫冰封期對水源水質(zhì)預(yù)測的影響作用，并與其他常用模型作了對比，為該市水源水質(zhì)預(yù)警系統(tǒng)的建立提供技術(shù)支持，同時也為其它寒冷地區(qū)水源地水質(zhì)預(yù)測提供參考。
　　本文確定了BP神經(jīng)網(wǎng)絡(luò)作為本次水質(zhì)預(yù)測所用的模型；根據(jù)當(dāng)?shù)厮畯S的運(yùn)行情況選擇了水質(zhì)預(yù)測參數(shù)，作為BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)

2、輸出；對原始數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)分析，確定了BP神經(jīng)網(wǎng)絡(luò)的輸入變量；通過不同參數(shù)之間的對比確定了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及運(yùn)行參數(shù)。通過對網(wǎng)絡(luò)預(yù)測效果的分析得出BP神經(jīng)網(wǎng)絡(luò)能夠較好地對該水庫水質(zhì)進(jìn)行預(yù)測，但是數(shù)據(jù)規(guī)律的變化及數(shù)據(jù)樣本數(shù)量的不足對預(yù)測結(jié)果會產(chǎn)生一定的影響。
　　大慶水庫處于我國東北寒冷地區(qū)，每年有大約半年時間處于冰封期。本文根據(jù)大慶水庫的這一特點(diǎn)，將原始的數(shù)據(jù)分為非冰封期與冰封期兩個部分進(jìn)行分析，分別建立BP神經(jīng)網(wǎng)絡(luò)，最后得出

3、結(jié)論：對于進(jìn)入冰封期后數(shù)據(jù)的變化規(guī)律有了改變的水質(zhì)參數(shù)，將數(shù)據(jù)分類后再建立模型能夠提升BP網(wǎng)絡(luò)的預(yù)測效果，而對于其他的水質(zhì)參數(shù)，盲目分類只會減少訓(xùn)練樣本的數(shù)量，使網(wǎng)絡(luò)訓(xùn)練不充分，造成不能對水質(zhì)指標(biāo)進(jìn)行準(zhǔn)確的預(yù)測。
　　本文還建立了自回歸模型(AR)與灰色預(yù)測模型這兩種常見的水質(zhì)預(yù)測模型，并與BP神經(jīng)網(wǎng)絡(luò)模型做了對比。AR模型在處理復(fù)雜曲線的能力上不如BP神經(jīng)網(wǎng)絡(luò)，且模型階數(shù)一般較高，但是當(dāng)曲線的變化較為平緩時AR模型的預(yù)測效果更好