应用人工神经网络对河流水质预测的研究
来源:用户上传
作者:
摘要 河流水体作为淡水资源的重要组成部分，与人类的生活密切相关。目前我国大部分河流都有长期的水文、水质监测资料。在河流水体中，存在着复杂的物理、化学和生物的变化，以及贯穿其中的能量循环和物质循环。本论文试图应用人工神经网络，来研究河流的水质参数之间随着季节变化的规律。输入层有3个神经元，分别是月份、生化需氧量BOD和化学需氧量COD；输出层为河水的溶解氧DO。通过验证，证明该模型可以在允许的误差范围内模拟月份、BOD、和COD与DO之间的非线性关系。为河流水质的预测、建立河流水质数学模型时对数据的补充和修正提供新的思路和工具。
关键词 河流，人工神经网络，水质，DO，BOD,COD
1.前言
河流水体作为淡水资源的重要组成部分，与人类的生活密切相关。目前我国大部分河流都有长期的水文、水质监测资料。但是部分河段和部分指标测量的频率还是比较低。
在河流水体中，存在着复杂的物理、化学和生物的变化，以及贯穿其中的能量循环和物质循环。这些变化和循环使得河流的各个水质指标之间存在着非线性的、复杂的联系。而随着季节的变化，河流的水位及水质也进行着复杂的变化。神经网络是一种非常适合解决复杂的非线性响应关系的数学模型。它可以用在分类、聚类、预测等方面，通过历史数据对神经网络进行训练，网络可以学习到数据中隐含的非线性映射关系。本文试图应用人工神经网络，来研究河流的水质参数之间随着季节变化的规律，从而为河流水质的预测、建立河流水质数学模型时对数据的补充和修正提供新的思路和工具。
2.研究区域以及参数选择
选择白龙江的某河段作为研究对象。神经网络的输出层神经元选择参数为河水的溶解氧DO。输入层神经元选择三个参数，一个是时间方面的参数月份；两个是水质参数：生化需氧量BOD5和化学需氧量COD。
3. 人工神经网络的结构
图1为人工神经网络DO模型的结构图。输入层有3个神经元，分别对应月份、BOD5和COD。隐含层有4个神经元，输出层有1个神经元，对应DO值。输入层和隐含层之间以及隐含层和输出层之间用sigmoid函数作为激活函数进行信息的传递。
图1.人工神经网络DO预测模型结构图
4.网络的训练和验证
4.1网络的训练
使用Visual Basic语言在PC机上进行程序的编写，从监测数据中选取各个月份的月平均BOD5、COD值和DO值作为训练样本对网络进行训练。训练步骤如下：（1）将训练样本的输入层和输出层数据进行归一化处理：将数据进行线性变换到区间[0,1]。（2）给神经网络的各个神经元的阈值赋初值，同样给各个神经元之间的连接权值也赋初值。（3）将训练样本归一化后的输入层数据赋值给输入层神经元。通过计算，得出隐含层神经元和输出层神经元的值。（4）将计算出的输出层神经元的值和该神经元的期望值进行对比，计算误差函数。（5）将误差逆向传递给隐含层和输入层，计算网络中各个权值和阈值的修正值，得到修正后的权值和阈值。（6）从步骤（3）开始重复以上步骤多次进行训练，直至误差函数满足精度要求。
4.2网络的验证
将训练好的网络进行验证。从监测数据中选取各个月份的月平均BOD5值和DO值作为检验样本。检验步骤如下：（1）将检验样本的输入层和输出层数据进行归一化处理：将数据进行线性变换到区间[0,1]。（2）将归一化处理后的检验样本输入层数据赋值给输入层神经元。通过计算，得出隐含层神经元和输出层神经元的值。（3）将计算出的输出层神经元的值通过归一化处理的逆变换还原为仿真值。（4）将计算出的仿真值结果与该监测数据的实测值进行对比，计算误差，得出验证结果。
经过验证，使用几组检验样本进行仿真预测，得出的结果与实测结果进行比较，精度在90%以上，能够满足水质预测工作的实际要求。
5.预测结果
将训练之后的网络用于水质预测。分别预测了在3、8、11月不同的BOD5和COD值时，对应的DO的值。结果见表1。
表1. DO的预测结果
6.结论与建议
6.1结论
本文利用神经网络的适合处理非线性映射关系的特点，建立了基于神经网络的水质预测模型。通过验证，证明该预测模型可以在允许的误差范围内模拟月份、BOD5、和COD与DO之间的非线性关系。
6.2建议
（1）由于人工神经网络的学习收敛速度慢，需要较长的训练时间。建议采用改进方法对神经网络的训练方法进行改进，以增快网络的学习速率和收敛速度。
（2）本文使用的训练算法可以使权值和阈值收敛到某个系列值，但并不保证其为误差平面的全局最小值，这是因为采用梯度下降法可能产生一个局部最小值。对于这个问题，要着重在检验网络的时候进行验证。
（3）本网络采用4个神经元节点的隐含层，计算精度可以达到水质预测工作的要求。 增加或者减少隐含层神经元个数对预测的影响尚待讨论。
（4）建议在今后的研究工作中，考虑分析预测结果对于输入层输入数据的敏感性。
注：文章内的图表、公式请到PDF格式下查看
转载注明来源:https://www.xzbu.com/2/view-604794.htm
