基于BP神经网络的天津于桥水库COD_(Mn)预测研究

为了确保饮用水的安全，了解水源水质未来可能的变化趋势，为水质管理提供科学的依据，该文应用反向传播（Be）神经网络技术对天津于桥水库CODMn进行预测研究。在预测模型中采用LM算法提高网络的收敛速度，并采用提前停止法提高网络的推广能力。人工神经网络样本集数据来源于2003～2005年的于桥水库日检测水质数据。为了更加有效地评估预测模型的准确性，该文把于桥水库的预测期分为丰雨期、封冻期和其它月份来分别考察预测效果。通过研究表明：于桥水库丰雨期预测效果最差，封冻期最好，其它月份介于两者之间，整体预测效果较好。可用于指导实际的水质管理。

神经网络技术在水处理工艺建模中的应用

应用数学方法和BP神经网络技术对水处理工艺建模进行研究,研究对象为哈尔滨市绍和水厂的原水水质、投药量与沉后水浊度之间的模型关系。在神经网络模型中,为了确保较好的建模效果,挑选代表不同水质特征的数据作为样本集,并采用提前停止法提高网络的推广能力。仿真试验证明与传统的数学模型相比,神经网络模型的建模效果更佳。

BP网络泛化能力的改进及在径流预测中的应用

采用提前停止法对BP预测模型的泛化能力进行了改进,并在清江流域进行了实例应用。结果表明:提前停止法能够提高网络的泛化能力,使预测达到更好的效果,并且精度更高;该方法划分样本的标准还需要作进一步研究。