论文部分内容阅读
河流水质评价主要是评价河流的污染程度,划分污染等级,确定污染类型,以便确定河流污染程度及预测发展趋势,为水环境保护提供方向性、原则性的方案和依据。目前我国水质评价工作中所采用的传统评价方法,存在一定的不合理性和局限性。人工神经网络可以模拟人脑的一些基本特性,具有大规模并行处理、分布式储存、自适应性、容错性等优点,能避免传统评价方法的局限性。神经网络具有的学习和记忆功能为解决水质评价这类模式识别和分类问题提供了理论依据。在对成都市地质地貌、地表水系水文等概况进行了调查的基础上,结合人工神经网络理论,根据成都市中心城区“三河”实际监测状况和污染特征,采用了只含有一个隐含层的3层BP人工神经网络模型,以溶解氧、高锰酸盐指数、五日生化需氧量和氨氮4个指标作为输入层的4个神经元,以水质类型评价结果作为输出层的一个神经元,依据测试误差最小确定网络的隐含层节点数为9,从而构造了一个结构为4-9-1的水质评价BP神经网络模型。应用建立的BP神经网络模型对“十一五”期间成都市中心城区“三河”年度综合水质类别和分期水质类别进行评价。评价结果表明:成都市中心城区“三河”各监测断面水质类别年际间无较大的变化,大多集中在Ⅱ类~Ⅲ类之间,各断面水质情况相对稳定;年内空间上,上游断面水质总体优于下游断面;时间上,丰水期最差,枯水期和平水期接近、略好于丰水期。对BP人工神经网络水质评价法和单因子水质评价法进行比较。结果表明:BP人工神经网络模型评价确定的水质类别明显优于单因子水质评价法得出的水质类别。单因子水质评价方法是一种悲观的水质评价法,而BP人工神经网络评价法由于综合考虑了各种水质因子,得到的评价结果更客观、准确。结合评价结果,对成都市中心城区“三河”水质污染原因进行了初步分析,并提出了整治措施。本研究可为成都市中心城区“三河”水污染防治提供理论依据,也可为其它河流的水环境保护提供有益的借鉴。