模糊神经网络在水质评价中的研究

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｐｅｅｅｐｏｕｅ．Ｔｅｉｓｗｒｒｄｃｄｈｎ，ｔｅｍｏｅｓａｐｉｄｔｓｓｅｑａｉｏａｅ．Ｔｅｒｓｌｈｗｔａｅｆｚｙｎｕｈｄｌｗａｐｌａｅｓｔｕ￣ｆｔｒｈｅｕｔｓｏｔｈｕｚｅ・ｅｏｓｈｌｗｓｈｔ
是由于评价因子与水质之问呈复杂的非线性关系，以及水体
ｌ引言
随着经济的快速发展，资源日益恶化，污染已呈现水水
由点源污染向面源污染发展的态势，成为制约和困扰我国可
污染本身具有模糊性，因而影响了评价的精度。近年来兴起的人工神经网络（Ｎ具有学习逼近任意ＡＮ）非线性映射的能力Ｊ尤其是Ｂ，Ｐ神经网络因其具有训练速度快、结构简单、非线性映射能力强优点，以很好地反映评可
关键词：模糊理论；相对隶属度；反向传播神经网络；质评价水
中图分类号：３１９ｔ９．ｐ文献标识码：Ｂ
ＷａｅａｉｖｌａｉｎＢｓｄｏｕｚｕａｔｒｔｒＱｕｌｙＥａｕｔａｅｎＦｚｙＮｅｒｌｗｏｋｔｏＮｅ
ＮＩＨｏｇ—ｈｉＳＵｎｕ，ＨＡＮＧｎ —ｌｎＹａｉｇ
（ｏｕｅｅｔｒＡｙｎｏｌｎｖｒｔ，ｎａｇＨｎｎ４５０，ＣｉａＣｍｐｔｒｎｅ，ｎａｇＮｒｉｅｓｙＡｙｎｅａ５００ｈｎ）ＣｍａＵｉ
ＡＢＳＴＲＡＣＴ：Ａｍｂｇｉｘｓｉｗａｅｙｅａｄｃａｓｉａｉｎｓａｄｒｓｎｈｏｌｅｒｒｌｔｎｅｉｔｅｗｅｎｉ－ｉｕｔｅｉｔｎｔｒｐｎｌｓｉｃｔｔｎａｄ，ａｄｔｅｎｎｉａｅａｉｘｓｓｂｔｅｎｙｔｆｏｎｏｌｎｅｆｃｏａｄｗａｅｕｌｙｈｅａｉｍｂｒｉｅｒｅｏｚｙｔｏｙａｌｒｆｃｈｕｌｙｏａｈｆｅｃａｔｒｎｔｒｑａｉ．Ｔｅｒｌｔｅｍｅｅｈｐｄｇｅｆｕｚｅｒ，ｃｎｗｅｌｅｅｔｔｅｑａｉｆｅｃｕｓｔｖｓｆｈｌｔｆｃｏ ‘ ｕｚｅａｉｅｓａｅｎｅＢｅｒｅｗｏｋｉｏｒｎｏｌｅｎｙｉｂｌｙｈｅｐｐｒｐｔｆｒａｄａｔｒＳｆｚｙｒｌｔｔｔ，ａｄｔＰｎｕａｎｔｒｆｔｏｇｎｎｉａａａｓｓａｉｔ．ＴａｅｕｗｒｖｈｌｓｓｎｒｌｉｏｔｅｗａｅｕｌｙｅａｕｔｎｍｏｅａｅｎＢｅｒｌｅｏｋａｄｆｚｙｔｅｒＳａｐｉｄｔｉｍｏｅｎｏｐａｔａｈｔｒｑａｉｖａｉｄｌｓｄｏＰｎｕａｔｒｎｚｈｏｙａｐｌｈｓｔｌｏｂｎｗｕｎｅｄｌｉｔｒｃｉｌｃｑａｉｖｕｔｎｕｌｙｅａａｉ．Ｕｓｎｎｉａｏｓｒｌｔｅｍｅｅｓｉｅｒｅｍａｒｘｉｔｒｏａｉｎ，ａｎｕａｅｗｏｋｔｉｉｇｓｍ— ｔｌｏｉｇｉｄｃｔｒｅａｉｍｂｒｈｐｄｇｅｔｎｅｐｌｔｖｉｏｅｒｎｔｒｒｎｎａｌａ
ｒｅｗｏｋｍａｅｈｖｌａｉｎｒｓｌｍｏｅｓｉｎｉｃｔａＰｎｕａｅｏｋｌａｎｔｒｋｓｔｅｅａｕｔｅｕｔｒｃｅｔｈＢｅｒｎｔｒ．ｏｉｆｎｌｗ
ＫＥＹＷＯＲＤＳ：ｕｚｈｏ；ＲｅａｉｅｍｅｅｓｉｒｄＦｚｙｔｅｒｙｌｔｍｂｒｈｐｇａｅ；Ｂｅｒｌｅｏｋ；ＷａｅａｉｖｌａｉｎｖＰｎｕａｔｒｎｗｔｒｑｌｔｅａｕｔｕｙｏ
第２卷第４９期
文章编号：０６—９４（０２０１０３８２１）４—０７４１３—０
计
算
机
仿
真
２１年４０２月
模糊神经网络在水质评价中的研究
牛红惠，尚艳玲
（安阳师范学院计算机教学部，河南安阳４５０）５００摘要：研究水质评价问题，针对水环境保护和治理，由于水质类型和分级标准存在着模糊性，水质因子与水质类型间存在非
价因子与水质之间的非线性关系，在水质评价中得到广泛的
线性关系，无法建立传统精确的数学模型。为了提高水质评价的准确性，出模糊Ｂ提Ｐ神经神经网络水质评价模型。利用
模糊理论相对隶属度能反映各因子的质量相对状态，对模糊性具有很强的识别精度，可将水质因子模糊隶属度矩阵输入到
ＢＰ神经网络中，通过非线性分析处理的Ｂ神经网络进行学习和测试，Ｐ得到输出水质评价等级。实验结果表明，模糊神经网络较传统的水质评价方法具有较高的识别精度，提高水质评价等级的准确性，使评价的结果更具有科学性。