论文部分内容阅读
针对传统的BP神经网络未对影响因子进行筛选和筛选过程的主观性等问题，提出了改进的BP神经网络模型。选取山西省阳泉市地下水饮用水水源地的10个水质监测指标，进行Pearson相关分析得到相关系数；运用信息指标评价法对模拟因子进行筛选，得到最优的模拟因子，在明确BP神经网络的结构后，把最优模拟因子作为BP神经网络的输入样本，被模拟因子（水质状况综合指数）作为输出样本，建立水质预测模型。结果表明，预测的水质状况综合指数与实际值平均相对误差为3．80％，水质指数平均相对误差为0，较传统的BP神经网络模型精度高。