本研究通过对地表水水质污染物资料的分析,发现水质污染物浓度的变化具有较强的非线性特性,通过对不同预报方法进行比较后,选择了能捕捉非线性变化规律的、基于改进的BP人工神经网络预报方法,与常规方法不同,该方法以实验数据为样本,利用网络的自学习和联想记忆能力对实验数据进行学习,具有极佳的函数逼近能力,能很好的拟合历史样本,达到识别各影响因子之间复杂的非线性映射关系,为提高水质预测模型的精度和环境决策部门制定中长期水环境保护和治理规划提供了有效的手段。 在此基础上,建立了一整套适合赣江南昌段水源地生米监测断面高锰酸盐指数和氨氮浓度的预报模型,使得高锰酸盐指数预报精度除12月份低于70%,其余月份预报精度均在70%以上,氨氮浓度的预报精度除8月份低于70%,其余月份预报精度均在70%以上,预报精度较高,效果较好。 本研究采用VC语言编写开发了水质预报系统,该系统适用于Windows平台,界面友好,操作方便,数据的输入简单明了,输出结果直观,能有效地为决策分析服务。