非点源污染河流水质的人工神经网络模拟

本文应用非点源污染河流水质的BP人工神经网络模型,模拟长乐江水体的总氮、总磷和溶解氧浓度的变化。通过模拟的水质参数相关性分析,协同非点源污染河流的机理性水质模型分析,确定适当的BP网络模型结构。采用实测的水质、水文逐月数据资料,对不同结构的BP网络模型进行了训练与验证。结果表明,相关性与机理性模型协同分析的方法,能较好地解决BP网络输入层参数的选择问题,所选择的参数较全面地表达了流域非点源污染发生的主要驱动因素和河流中污染物自净过程的主要影响因素。BP网络模型可以较精确地模拟非点源污染河流的水质变异,各水质参数模拟结果的平均相对误差在±10%以内。单隐含层结构的BP网络模型模拟结果比多隐含层结构模型结果更准确;单参数输出结构的网络模型模拟结果,优于多参数输出结构模型的模拟结果。