基于优化非线性自回归神经网络模型的水质预测

作     者：唐亦舜 徐庆 刘振鸿 高品 TANG Yishun;XU Qing;LIU Zhenhong;GAO Pin

作者机构：东华大学环境科学与工程学院上海201620 上海市环境监测中心上海200235 

出 版 物：《东华大学学报（自然科学版）》 (Journal of Donghua University(Natural Science))

年 卷 期：2022年第48卷第3期

页      面：93-100页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：上海市生态环境局科研项目(沪环科第51号)。 

主　　题：水质预测 非线性自回归神经网络 pH 溶解氧 浊度 模型优化 

摘      要：针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(DO)质量浓度和浊度3项水质指标的变化趋势。结果表明:优化后的NAR神经网络模型具有较好的非线性处理能力;当输入数据量为180,pH、DO质量浓度和浊度的神经网络模型的延迟阶数分别为2、3、9,隐含层神经元数为10时,NAR神经网络模型对pH、DO质量浓度和浊度的预测均方根误差分别为0.053、0.382 mg/L和17.300 NTU,平均绝对百分比误差分别为0.53%、3.97%和18.01%,预测效果较好。