改进的QGA-BP模型在复杂水质预测中的应用

水质预测是实现非线性水系统的柔性管理、防治水污染的前提工作.机理性水质预测模型的构建往往较复杂并且需要大量运算与数据,预测效果有时不够精确,其进一步推广应用也受到限制.文中以淮河复杂水环境非机理性水质预测为目的,构建改进的量子遗传算法优化BP神经网络模型,采用动态改进策略和灾变策略作为进化操作准则来优化BP模型的权值和阈值,用历史观测数据作为学习范例训练模型.对比实验结果发现,模型改进以后,进化代数、收敛速度和预测结果的准确率有较大提高.该模型用于水质预测的黑箱问题是可行的,拓展水环境管理的思路.