姜云超,南忠仁

• 1:兰州大学资源环境学院
• 2:教育部西部环境重点实验室

摘要(Abstract)：

将BP与SOM人工神经网络模型与模糊综合评价法进行实例比较研究,以探讨这三种不确定性水质综合评价方法的科学合理性及其适用范围。主要结论为:1)BP与SOM网络模型通过对样本的学习来获得水质指标与水质类别之间的映射关系,评价结果更客观。2)模糊综合评价法通过构建隶属函数对水质进行分类,评价结果偏重,易引起过保护。3)当水体各单项水质指标所属类别趋近时,建议采用人工神经网络模型进行综合评价,计算简便;而当个别指标所指示的污染较严重时,建议同时采用模糊综合评价法判断水体的变化趋势,以便采取相应的预防保护措施。

关键词(KeyWords)： 水质综合评价;BP人工神经网络模型;SOM人工神经网络模型;模糊综合评价法

Abstract:

Keywords:

基金项目(Foundation): 国家环境保护公益性项目(NEPCP200809098);; 973项目(NKBRP(973):2008CB417212)资助

作者(Author): 姜云超,南忠仁

DOI: 10.13448/j.cnki.jalre.2011.03.016

参考文献(References)：

• [1]Jacobs HL.Water quality criteria[J].Journal of Water Pollution Control Federation,1965,37(5):292-300.
• [2]飞思科技产品研发中心.神经网络理论与MATLAB 7实现[M].北京:电子工业出版社,2005:44,168.
• [3]杨哲.基于SOM人工神经网络的网络流量聚类分析[J].计算机工程,2006,32(16):103-111.
• [4]Lazaro J,Arias J,Martin J L,et al.SOMsegmentation of gray scale images for optical recognition[J].Pattern Recognition Letters,2006,27(16):1991-1997.
• [5]奚旦立,孙裕生,刘秀英.环境监测(第三版)[M].北京:高等教育出版社,2004:311-316.
• [6]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001:55.