基于人工神经网络的水质监测模型研究

摘要

为找出适用于水质指标监测的标准模型,采用遗传算法优化BP神经网络模型(GABP),选取高锰酸盐指数(CODMN)、总氮(TN)和总磷(TP)3种实测指标为基础,以Nash-Sutcliffe系数(CD)、逐日相对均方根误差(RMSE)和Kendall一致性系数(K)为评价指标体系,找出最优模型,并将结果与BP神经网络模型对比,结果表明:GABP模型在对3种指标进行模拟时,其模拟结果与实测值的拟合方程斜率均在0.95～1.06之间,且决定系数较高,均在0.70以上;同时对不同模型评价指标进行计算可知,GABP模型对3种指标计算结果的RMSE均在0.301一下,而CD和K值均超过了0.79,且与实测值的相关性均达到了极显著水平(P<0.01),这表明GABP模型对水质指标的模拟精度较高,可作为水质监测的基本模型使用.