Elman神经网络及其在河口水质评价中的应用

Elman神经网络及其在河口水质评价中的应用①

范翠香1 , 张园园2, 薛鹏松2

【摘 要】摘 要：应用Elman神经网络对河口水质进行评价, 确定其水质级别及污染程度. 根据汾河入黄口的实际污染情况及因子选择的目的原则, 确定评价因子, 构建基于Elman神经网络的河口水质评价模型. 应用训练好的Elman神经网络河口水质评价模型对河津大桥监测断面2010年各月水质进行评价, 分析研究汾河入黄口处的水质污染状况, 结果表明, 汾河入黄口河津大桥监测断面2010年各月综合水质均为劣Ⅴ类水, 因此, 汾河入黄口污染治理迫在眉睫, 应从源头加强汾河污染物入河量的控制. 水质识别实例表明Elman河口水质评价模型避免了传统神经网络无法实时改变模型结构和缺乏对未来突变情况适应性的缺点, 使得训练好的网络具有非线性和动态特性, 水质评价结果切合实际, 具有很好的实用性.

【期刊名称】计算机系统应用 【年(卷),期】2015(024)003 【总页数】5

【关键词】Elman神经网络; 汾河入黄口; 水质评价; 评价因子; 污染物

近年来, 河流径流量的锐减及大量未经处理的工业废水及生活污水排入河流, 造成干支流交汇的河口及近岸水体污染严重, 成为河流整治的难点部位[1]. 河口水质评价是水环境规划、决策及治理的基础[2]. 因此, 对河口的水质进行评价具有重要的现实意义[3]. 与传统的水质评价模型相比[4-6], Elman神经网络(extreme learning machine, ELM)克服了传统前馈神经网络算法训练速度慢、无法达到全局最小及对学习率的选择敏感等缺点, 具有学习速度快, 泛化性能好