基于遗传-神经网络的实时水质预测模型

• 作者: 刘洁 祝榕婕 姜德迅 王大蔚 许崇品 南军 王鹏
• 来源期刊: 南水北调与水利科技
• 学科: 地球科学
• 关键词: 地表河流 水质预测 改进遗传算法 神经网络模型 预测区间
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 生态与环境
• 页码范围: 93-100
• 页数: 8页
• 分类号: X323
• 语种: 中文
• DOI: 10.13476/j.cnki.nsbdqk.2020.0119

摘要

基于高频水质在线监测数据,结合遗传算法和神经网络模型,建立基于遗传-神经网络(Improved Genetic Al-gorithm-Back Propagation Neural Network,IGA-BPNN)的河流水质预测模型,实现对河流水质的实时预测预警.将该方法应用于美国波托马克河流中,对其水质参数浊度(TURB)和电导率(SC)进行实时预测,并对预测结果进行性能分析,以验证基于IGA-BPNN的河流水质预测模型的准确性与可靠性.与BPNN模型的水质预测结果进行对比分析,结果表明:IGA-BPNN模型对水质参数TURB和SC有更准确的预测效果.同时,IGA-BPNN模型对正常平稳条件下的水质参数TURB和SC预测结果的区间覆盖率PICP分别为99.81％和100％,预测结果具有一定的可靠性.IGA-BPNN水质预测模型可以有效地识别长时间的水质异常或瞬时显著的水质变化情况,可实现对河流水质的风险预警,最终可为河流突发水污染的应急处置措施的制定提供科学依据.