双隐含层BP神经网络模型在老哈河水质预测中的应用

来源：水资源与水工程学报杂志2018年第2期北京时间：

作者：查木哈,卢志宏，翟继武，张福顺

单位：1.赤峰市环境监测中心站内蒙古赤峰0240002.铜仁学院,3.中国农业科学院草原研究所

摘要：为了快速准确预测老哈河水质，采用老哈河2011-2015年水质监测数据，运用拉格朗日插值法补充缺失值，分别对化学需氧量、生化需氧量、高锰酸盐指数和总磷浓度建立Levenberg - Marquardt 优化的双隐含层BP神经网络模型，利用2011-2014的数据建立训练网络，以2015年的数据进行验证与测试。结果表明：五日生化需氧量预测模型，第一隐含层节点数为 4 , 第二隐含层节点数为 12 时，决定系数 0.751 6（P=0.000 3），平均相对误差25.73%；化学需氧量预测模型，第一隐含层节点数为 12, 第二隐含层节点数为 10时，决定系数 0.887 5（P<0.000 1），平均相对误差27.69%；高锰酸盐预测模型，第一隐含层节点数为6, 第二隐含层节点数为3时，决定系数 0.854 7（P<0.000 1），平均相对误差28.90%；总磷预测模型，第一隐含层节点数为12,第二隐含层节点数为12时，决定系数0.889 2（P<0.000 1），平均相对误差17.94%。应用拉格朗日插值法对缺失数据进行补充后建立的双隐含层BP神经网络模型相对误差均小于28.90%，模型的预测效果较好，其中总磷浓度预测效果最好。通过拉格朗日插值，可以建立老哈河赤峰段甸子点位污染指标的双隐含层人工神经网络模型进行水质预测。

关键词：双隐含BP神经网络,河流水质,水质指标,缺失数据,拉格朗日插值法,水质预测,老哈河

基金资助：中国农业科学院创新工程牧草病虫害灾变机理与防控团队（CAAS-ASTIP-IGP）； 内蒙古自然科学基金项目（2017MS0380）