摘要：该文采用决策树、BP神经网络、Logistic回归和基于径向基的RBF神经网络四种算法来建立水质评价预测模型，并对结果进行了分析。预测结果显示，基于径向基的RBF神经网络在四种算法中是最合适的方法，预测准确率较高，建议推广和使用。
　　关键词：神经网络；决策树；水质模型
　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）35-0003-02
　　1 概述
　　水是人类赖以生存的重要物质，它是不可缺少、不可替代的重要资源。随着我国工业化进程的加快和经济的迅速发展，水污染日益严重已经成为制约我国实施可持续发展战略重要因素。水环境问题已经成为众多专家、学者研究的重点问题，目前国内外研究水环境质量的评价方法非常多，有关文献讨论水质评价的方法有几十种，呈现出非常活跃的态势。由于水环境中的各种元素的不确定性和水体的未知性，传统的确定性评价方法已经很难适应研究。有些水质模型虽考虑了影响水质变化的诸多因素，模拟预测效果较理想，但往往较复杂并需要大量基础资料和数据，使得研究的进一步开展和应用受到限制。而目前，较常见的情况是根据水体当前的水质情况、污染物的迁移特点和流域内污染物的排放情况来预测水质未来的变化趋势，为水质污染预测寻找一种合适的模型是非常必要。
　　2 相关理论分析
　　2.1 决策树
　　决策树是应用的最广的归纳推理算法之一，它是一种逼近离散值函数方法，对噪声有很好的健壮性且能够学习析取表达式。决策树一般都是自上而下的来生成的，并用了贪婪的搜索遍历方法进行遍历。每个决策或事件都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。常用的决策树算法包括C