基于BP神经网络的皂河水质预测方法

对皂河上下游断面8项水质指标进行连续取样检测,将实测数据作为学习样本,运用Levenberg-Marguardt优化算法对学习样本进行训练,建立以上游断面水质监测数据预测下游水质变化的反向传播(Back Propagation,BP)神经网络水质预测模型。采用该模型对皂河下游断面的主要污染物指标COD、NH4+-N、TN、TP等进行预测和验证。结果表明,该模型对COD、NH4+-N、TN、TP预测的平均误差分别为5.6%、5.3%、1.7%、4.0%,均能满足水质预测精度的要求,说明了基于BP神经网络Levenberg-Marguardt算法建立的皂河水质指标预测模型的有效性。