基于改進小波神經(jīng)網(wǎng)絡的水質評價建模研究.pdf

1、水資源是一種不可替代的資源。近年來，國內外一直重視水資源的保護和治理工作。然而隨著科技和產(chǎn)業(yè)的發(fā)展，水資源的問題還是一直制約著社會和生態(tài)環(huán)境的發(fā)展。同時傳統(tǒng)的水質評價方法面對水環(huán)境問題的復雜性和非線性缺少高效的處理效率，因此，提高水資源的保護措施刻不容緩。
　　人工神經(jīng)網(wǎng)絡（ANN）的發(fā)展為水質研究帶來了新的方向，目前國內外已經(jīng)有不少關于基于人工神經(jīng)網(wǎng)絡的水質方面的研究。本文根據(jù)前人對人工神經(jīng)網(wǎng)絡和水質評價的研究，深入研究小波神經(jīng)

2、網(wǎng)絡的理論、結構和算法后，嘗試采用小波神經(jīng)網(wǎng)絡（Wavelet Neural Network，WNN）應用于水質評價研究。論文主要研究包括以下幾個方面：
　　1．鑒于傳統(tǒng)水質評價方法存在一定的局限性，利用小波神經(jīng)網(wǎng)絡收斂速度快、泛化能力好、精度高和良好非線性處理能力，提出采用小波神經(jīng)網(wǎng)絡用于水質評價建模，把評價結果和傳統(tǒng)評價實驗結果進行對比，證明該想法的可行性。
　　2.由于傳統(tǒng)小波神經(jīng)網(wǎng)絡算法，存在收斂速度慢等缺點，因此引

3、入自適應學習和動量因子，加快網(wǎng)絡學習速度，提高網(wǎng)絡的學習能力。
　　3．由于傳統(tǒng)小波神經(jīng)網(wǎng)絡算法易陷入局部極小，將遺傳算法（Genetic Algorithm，GA）引入小波神經(jīng)網(wǎng)絡中，雖然遺傳算法具有良好的自適應學習能力和全局搜索能力，但其收斂速度慢，因此將一種改進的遺傳算法-自適應遺傳算法（Adaptive Genetic Algorithm，AGA）應用于小波神經(jīng)網(wǎng)絡的優(yōu)化研究。在遺傳算法的基礎上引入自適應調整參數(shù)，加快收斂

4、速度，提高算法的性能；在創(chuàng)建水質評價模型時，先采用自適應遺傳算法優(yōu)化WNN的初始權值、閾值、伸縮和平移參數(shù)，然后將選擇好的參數(shù)作為改進WNN的初始參數(shù)值，該方法結合了AGA算法的全局搜索能力以及自適應動量梯度下降法的局部搜索能力，經(jīng)過仿真結果比較研究，證明該理論的可實現(xiàn)性。
　　4．分別對傳統(tǒng)WNN算法、改進WNN算法和AGA算法建立基于小波神經(jīng)網(wǎng)絡的水質評價模型，進行仿真實驗，對實驗結果進行對比分析。研究結果表明：采用AGA算法