基于BP神經(jīng)網(wǎng)絡(luò)的人工沉床水質(zhì)改善效果預(yù)測(cè).pdf

1、天津市屬于資源型缺水城市，水體污染嚴(yán)重，水環(huán)境問(wèn)題嚴(yán)重制約著天津市的經(jīng)濟(jì)發(fā)展。為有效改善水質(zhì)，解決水環(huán)境問(wèn)題，人工沉床系統(tǒng)應(yīng)運(yùn)而生。本文以外環(huán)河人工沉床為例，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)人工沉床系統(tǒng)對(duì)外環(huán)河水體中污染物(化學(xué)需氧量，總磷，總氮)的凈化效果。人工沉床系統(tǒng)是利用人工沉床載體營(yíng)造適宜大型水生植物生長(zhǎng)的環(huán)境條件，在人工沉床載體上種植大型水生植物，通過(guò)水生植物群落的構(gòu)建，達(dá)到修復(fù)受損水體生境、凈化污染水體水質(zhì)、進(jìn)而修復(fù)退化的水生態(tài)環(huán)境的系

2、統(tǒng)。因其具有不確定性，采用非線性回歸方法預(yù)測(cè)水質(zhì)，預(yù)測(cè)精度低，而BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋型網(wǎng)絡(luò)，可用于建立黑箱模型，恰能快速有效地解決不確定性問(wèn)題，故本文采用BP神經(jīng)網(wǎng)絡(luò)對(duì)人工沉床系統(tǒng)的水質(zhì)進(jìn)行預(yù)測(cè)，并將BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果與非線性回歸模型的預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比，對(duì)比結(jié)果進(jìn)一步證明了BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度高，適用于人工沉床系統(tǒng)的水質(zhì)預(yù)測(cè)。
　　 本論文的主要結(jié)論如下：
　　 (1)BP神經(jīng)

3、網(wǎng)絡(luò)在進(jìn)行自組織、自學(xué)習(xí)的過(guò)程中獲得水質(zhì)樣本數(shù)據(jù)的隱含規(guī)律，建立模型。該模型工作量較小，能夠進(jìn)行高精度的預(yù)測(cè)。
　　 (2)針對(duì)不同的輸出變量，輸入變量對(duì)模型預(yù)測(cè)結(jié)果的影響不同。當(dāng)輸出變量為化學(xué)需氧量(CODcr)濃度時(shí)，輸入變量對(duì)模型的影響程度由大到小依次為：化學(xué)需氧量(CODcr)，水溫(WT)，總磷(TP)，總氮(TN)；當(dāng)輸出變量為總氮(TN)濃度時(shí)，輸入變量對(duì)模型的影響程度由大到小依次為：總氮(TN)，水溫(WT)，化

4、學(xué)需氧量(CODcr)，總磷(TP)；當(dāng)輸出變量為總磷(TP)濃度時(shí)，輸入變量對(duì)模型的影響程度由大到小依次為：總磷(TP)，水溫(WT)，化學(xué)需氧量(CODcr)，總氮(TN)。
　　 (3)將水質(zhì)數(shù)據(jù)代入BP神經(jīng)網(wǎng)絡(luò)模型和非線性回歸模型，比較模型預(yù)測(cè)結(jié)果。對(duì)比結(jié)果表明，當(dāng)輸出變量為化學(xué)需氧量(CODcr)時(shí)，BP神經(jīng)網(wǎng)絡(luò)模型的平均相對(duì)誤差為0.1％，而非線性回歸模型的平均相對(duì)誤差為4.8％；當(dāng)輸出變量為總氮(TN)時(shí)，BP神經(jīng)