基于改進(jìn)rbf神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究

《基于改進(jìn)rbf神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號(hào)______________________________密級(jí)______________________________ＵＤＣ______________________________編號(hào)______________________________碩士學(xué)位論文基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究學(xué)位申請(qǐng)人：郭鵬飛學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：謝昕教授答辯日期：華東書脊交通大學(xué)屆 碩士學(xué)位論文基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究信息工程學(xué)院郭鵬飛獨(dú)創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作

2、及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表和撰寫的研究成果，也不包含為獲得華東交通大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。本人簽名_______________日期____________關(guān)于論文使用授權(quán)的說明本人完全了解華東交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱。學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。保密的論文在解密后

3、遵守此規(guī)定，本論文無保密期內(nèi)容。本人簽名____________導(dǎo)師簽名__________日期__________摘要基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究摘要城市供水管網(wǎng)作為市政工程建設(shè)的基礎(chǔ)設(shè)施，擔(dān)負(fù)著為人民群眾提供優(yōu)質(zhì)無污染生活飲用水的重?fù)?dān)。自來水在流經(jīng)龐大繁雜的管網(wǎng)系統(tǒng)過程中，易發(fā)生“二次污染”，從而導(dǎo)致水質(zhì)下降，影響人民群眾的生命健康。因此，對(duì)管網(wǎng)水質(zhì)的變化情況進(jìn)行科學(xué)預(yù)測(cè)并及時(shí)采取有效的措施已成為專家學(xué)者的研究熱點(diǎn)。傳統(tǒng)的水質(zhì)預(yù)測(cè)方法，諸如模糊數(shù)學(xué)法和灰色系統(tǒng)理論等由于應(yīng)用受限，誤差較大而被逐步淘汰。近年來，RBF（Rad

4、ialBasisFunction，徑向基函數(shù)）神經(jīng)網(wǎng)絡(luò)算法憑借其無限逼近可微函數(shù)的優(yōu)越性能使之在水質(zhì)預(yù)測(cè)研究方面取得了廣泛的應(yīng)用。將RBF神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到管網(wǎng)水質(zhì)預(yù)測(cè)中，可以有效彌補(bǔ)傳統(tǒng)水質(zhì)預(yù)測(cè)方法所存在的缺陷不足，同時(shí)可以提高預(yù)測(cè)精度。但是，由于RBF神經(jīng)網(wǎng)絡(luò)算法也存在一些不足之處加之管網(wǎng)水質(zhì)變化情況的復(fù)雜無規(guī)律性，亟需對(duì)RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型進(jìn)行優(yōu)化改進(jìn)。本文圍繞這一目標(biāo)進(jìn)行了積極的嘗試探索，對(duì)改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)算法在管網(wǎng)水質(zhì)預(yù)測(cè)中的應(yīng)用進(jìn)行了深入細(xì)致的研究。本文的研究重點(diǎn)主要集中在以下幾個(gè)方面：（1）介紹了RBF神經(jīng)網(wǎng)絡(luò)的基本理

5、論知識(shí)，在此基礎(chǔ)上總結(jié)歸納了傳統(tǒng)型RBF神經(jīng)網(wǎng)絡(luò)算法在管網(wǎng)水質(zhì)預(yù)測(cè)方面所表現(xiàn)出的三個(gè)缺陷不足，并分別提出了相應(yīng)的改進(jìn)措施：引入黃金分割法優(yōu)化確定RBF神經(jīng)網(wǎng)絡(luò)隱含層的單元節(jié)點(diǎn)數(shù)目，摒棄過去單純依靠專家經(jīng)驗(yàn)進(jìn)行人工選取的傳統(tǒng)做法，提高水質(zhì)預(yù)測(cè)結(jié)果的客觀真實(shí)性；引入Levenberg?Marquardt算法優(yōu)化確定RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提高RBF神經(jīng)網(wǎng)絡(luò)的收斂速度；引入遺傳算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值等基本參數(shù)進(jìn)行優(yōu)化，避免RBF神經(jīng)網(wǎng)絡(luò)陷入局部極小值點(diǎn)。建立基于改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型，結(jié)合廣州大學(xué)城水質(zhì)控制系統(tǒng)提供的樣本數(shù)

6、據(jù)，進(jìn)行仿真比較，論證了改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)算法的合理性與優(yōu)越性。（2）借助MATLAB建立了基于改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型的人機(jī)交互界面?；诟倪M(jìn)型RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型不僅適用非技術(shù)人員根據(jù)樣本數(shù)據(jù)進(jìn)行水質(zhì)評(píng)價(jià)，同時(shí)也能夠根據(jù)研究內(nèi)容的不斷變化更加方便快捷地建立符合現(xiàn)實(shí)生活需求的改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型，使改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型從單純的理論研究真正走向具體的實(shí)際應(yīng)用。關(guān)鍵詞：RBF神經(jīng)網(wǎng)絡(luò)；黃金分割法；L-M算法；遺傳算法IAbstractRESEARCHONTHEOPTIMIZEDPREDICTI

7、ONMODELOF WATERQUALITYBASEDONRBFNEURALNETWORKABSTRACTAsamunicipalinfrastructure,citypipelinenetworkisobligedforresidentstoprovidehighqualityandpollution-freedrinkingwater.However,inthemassivecomplicatedpipelinenetwork,thewaterislikelytobecontaminated,causingthequalitydeclin

8、ingandthreatingpeople’shealth.Therefore,thestudiesonpredictingthequalitychangeofpi