论文部分内容阅读
河流水体作为淡水资源的重要组成部分，与人类的生活密切相关。目前我国大部分河流都有长期的水文、水质监测资料。在河流水体中，存在着复杂的物理、化学和生物的变化，以及贯穿其中的能量循环和物质循环。本论文试图应用人工神经网络，来研究河流的水质参数之间随着季节变化的规律。输入层有3个神经元，分别是月份、生化需氧量BOD和化学需氧量COD；输出层为河水的溶解氧DO。通过验证，证明该模型可以在允许的误差范围内模拟月份、BOD、和COD与DO之间的非线性关系。为河流水质的预测、建立河流水质数学模型时对数据的补充和修正提供新的思路和工具。