基于小波神经网络的芦苇潜流人工湿地水质预测
人工湿地系统对污水的处理效果好,工艺简单,投资运行费用低,但影响其出水水质的因素很多,并且往往是非线性的,因此目前很难将这些影响因素模型化并用于水质预测. 已有的预测方法不是过于复杂就是预测精度不高. 神经网络是一种具有较强预测能力的新方法,适用于各种非线性模型的预测. 在小试研究的基础上,使用3种不同的、经过训练的小波神经网络,对芦苇潜流人工湿地沿程各采样口的水温,ρ(DO),pH,E_h和ρ(COD_(Cr))等水质指标进行了预测. 结果显示,各指标的平均相对误差分别为:水温≤4.21%,pH≤1.36%,ρ(DO)≤9.77%,E_h≤6.50%,ρ(COD_(Cr))≤17.76%,表明小波神经网络模型适用于人工湿地模型的预测.
芦苇人工湿地、小波神经网络、水质指标、预测
22
X523(水体污染及其防治)
国家自然科学基金创新群体研究基金50721006;上海市重点学科项目B604
2010-03-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
1460-1465