LM-BP神經網絡在于橋水庫水質預測中的應用

田建平，曹東衛，李海楠

（河北省唐秦水文水資源勘測局，河北 唐山 063000）

0 引言

人工神經網絡（Artificial Neural Networks，ANN）是一種模仿動物神經網絡行為特征進行分布式并行信息處理的算法數學模型。BP 神經網絡是人工神經網絡中最為重要的網絡之一，也是迄今為止，應用最為廣泛的網絡算法，實踐證明這種基于誤差反傳遞算法的 BP 網絡有很強的映射能力，可以解決許多實際問題[1]。

水環境污染是多種因素影響的結果，具有非線性、不確定性和模糊性。本文通過 BP 神經網絡模型對于橋水庫高錳酸鹽指數 、五日生化需氧量 、氨氮、溶解氧等污染指標進行了預測，為水質預測工作提供了新的思路。

1 BP 神經網絡模型

1.1 BP 神經網絡原理

BP 神經網絡是一種反向傳遞并修正誤差的多層前饋映射網絡，其結構簡單，可操作性強，在函數逼近、模式識別、分類、數據壓縮等領域有著廣泛的應用。對于1個3層（輸入層、隱含層、輸出層）的 BP 網絡，只要其隱含層的神經元數足夠，就可以任意精度逼近任何連續函數，實現任意Rn上[0，1]n到Rm的映射能力，具有自學習、自組織和適應能力。據統計，有近90% 的神經網絡應用是采用 BP 網絡或它的變化形式，它也是前向網絡的核心部分，體現了人工神經網絡最精華的部分。網絡的學習規則是使用最速下降法，學習過程包括正向傳播和反向傳播。在正向傳播過程中，輸入信息從輸入層經隱含層加權處理傳向輸出層，經作用函數運算后得到的輸出值和期望值進行比較，若有誤差，則誤差反向傳播，沿原先的連接通路返回，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。……