人工神经网络在水质预测中的应用研究

刘俊威，吕惠进

（浙江师范大学，浙江金华 321004）

人工神经网络在水质预测中的应用研究

刘俊威，吕惠进

（浙江师范大学，浙江金华 321004）

选取水质指标之一的溶解氧DO作为测算因素，研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明：3种不同学习算法的预测效果均较理想，其中以L-M法预测结果最为精确，人工神经网络在水质预测方面有着良好的应用前景和推广价值。

人工神经网络；学习算法；水质预测

人工神经网络作为一种模仿生物神经网络的资讯处理与计算系统，具有大规模并行运算、分布式存储和处理、容错和模糊推理、自组织、自适应和自学习等能力，是一门涉及学科面非常广泛的新兴科研领域［1］。人工神经网络模拟人类的思维方式，对事物的判断和分类不需要建立某种模式，而是根据事物的本质特征采用直观的推理判断，用人工神经网络进行水质预测的结果具有客观性。本文选取溶解氧DO作为测算因素进行的研究表明：BP法、bpx法、L-M法3种不同学习算法的神经网络预测效果均较理想，在水质预测方面有着良好的应用前景。

1 人工神经网络的学习算法

1.1 人工网络算法

BP网络算法（BP法）属于学习律，是一种学习算法，输入学习样本为P个，用Xpi表示，与其对应的期望输出为Tpi，实际输出为Opi，该学习算法是用Opi和Tpi的误差来修改其连接权Wij和阈值Oi，使Opi和Tpi尽可能接近［2］。对第p个样本误差计算公式为

权值的修正公式为

Wij（k＋1）＝Wij（k）＋ΔWij＝Wij（k）＋η∂iXj。

阈值的修正公式为