1、人工神經(jīng)網(wǎng)絡(luò)(ANN)是復(fù)雜非線性科學(xué)和人工智能科學(xué)的前沿，在水污染控制領(lǐng)域的應(yīng)用在國內(nèi)外尚處于起步階段。本文在全面分析評述水質(zhì)評價和水質(zhì)預(yù)測的研究現(xiàn)狀，分析闡述了人工神經(jīng)網(wǎng)絡(luò)基本原理、算法和模糊數(shù)學(xué)基本理論的后，將模糊神經(jīng)網(wǎng)絡(luò)(FNN)和徑向基神經(jīng)網(wǎng)絡(luò)(RBFNN)引入水污染控制領(lǐng)域，主要在水質(zhì)評價和水質(zhì)預(yù)測方面進(jìn)行了一些探索性的研究工作，為提高水質(zhì)評價和水質(zhì)預(yù)測的智能化水平做出了努力。 本文介紹了FNN的原理、算法和模式特征

2、。FNN不再是一黑箱，其所有節(jié)點(diǎn)與參數(shù)都具有物理意義，并克服了ANN結(jié)構(gòu)的選擇缺乏充分理論分析的缺點(diǎn)。FNN模型既能直接表達(dá)人們慣用的邏輯含義，又兼具ANN的自適應(yīng)學(xué)習(xí)功能和非純屬表述能力等優(yōu)點(diǎn)。將FNN應(yīng)用于水質(zhì)評價是本文的初探，通過實例研究證明，學(xué)習(xí)五類水質(zhì)標(biāo)準(zhǔn)后的FNN能夠正確評價其它的水質(zhì)樣本，具有較好的客觀性、可靠性和可解釋性。 在充分研究RBFNN機(jī)理的基礎(chǔ)上，將RBFNN應(yīng)用到水質(zhì)預(yù)測中，并以深圳河在線監(jiān)測數(shù)據(jù)為訓(xùn)

3、練樣本，構(gòu)建了RBFNN水質(zhì)預(yù)測模型。應(yīng)用該模型對深圳河2006年11月19日至2006年11月29日10天的水質(zhì)進(jìn)行預(yù)測，并以該時間段的真實監(jiān)測數(shù)據(jù)驗證預(yù)測結(jié)果的準(zhǔn)確性，驗證結(jié)果表明該模型預(yù)測結(jié)果誤差較小、擬合性好。為了比較RBFNN與BPNN(反向傳播神經(jīng)網(wǎng)絡(luò))的預(yù)測性能，本文還以相同的監(jiān)測數(shù)據(jù)建立了BPNN水質(zhì)預(yù)測模型，將其預(yù)測結(jié)果與RBFNN水質(zhì)預(yù)測模型的預(yù)測結(jié)果相比較，比較結(jié)果表明，RBFNN的預(yù)測結(jié)果明顯優(yōu)于BPNN。而且在