基于神经网络和人工蜂群算法的水质评价和预测研究

水是人类赖以生存和发展的重要资源，然而随着经济的发展，水资源的短缺和水资源污染已成为我国经济社会发展面临的重大问题。水质的评价和预测是水环境研究的重要内容，是水资源管理和维护的重要手段。 人工蜂群算法是受启于蜜蜂采蜜行为的一种群体智能算法；人工神经网络是模拟人脑的思维活动发展和形成的一种信息处理系统，而BP神经网络是其中应用最为广泛的一种，由于BP神经网络存在收敛速度慢、网络对初始值敏感、容易陷入局部极小值等缺点，本文将人工蜂群算法与BP神经网络融合，利用人工蜂群算法寻找最优的网络权值和阀值，将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程，并应用于水质的评价和预测，提出了一种新的方法(ABC-BP)建立水质评价和预测模型。 本文首先详细介绍了人工神经网络和人工蜂群算法，然后介绍BP神经网络和人工蜂群算法在水质评价和水质预测中应用，最后简要说明了如何在VC上实现水质评价和预测的功能。 水质评价是依据国家地表水环境质量标准（GB3838-2002），分别采用BP神经网络和ABC-BP方法建立水质评价模型，对2000-2006年渭河监测断面的10组实测数据进行水质评价，将所得的结果进行比较分析，表明采用ABC-BP方法建立的水质评价模型能得到准确、稳定的水质评价结果。水质预测是以水质溶解氧量的预测为例，选取了十一种与溶解氧量有关的水质指标，采用ABC-BP算法建立水质预测模型，为了研究该算法在水质预测中的可行性和有效性，将其预测的结果与另一种被广泛应用的算法——遗传算法优化BP神经网络的方法的水质预测结果作比较，通过大量的仿真结果分析得出，ABC-BP算法可用于建立水质预测模型，且预测精度较高、预测误差较稳定。