未确知测度BP神经网络模型在黑河流域水质预测中的应用

摘要：

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义.针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998～2011年的水质监测资料进行分析和预测.以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UM-BP模型.分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度.因此,该模型应用于黑河流域水质预测是可行的.

关键词：未确知测度、权值、BP神经网络、水质预测、黑河流域

所属期刊栏目：34

分类号：X830(环境监测)

在线出版日期：2014-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：66-69