基于人工神经网络的市政管网水质模型研究

摘要

将人工神经网络用于复杂的市政管网水质研究,通过对苏州市3个自来水厂出水及小区管网在线监测点的大量水质数据进行分析,选取余氯作为指标建立了BP神经网络和模糊神经网络,并加以验证。结果表明,BP神经网络和模糊神经网络模型都能对管网余氯进行模拟,BP神经网络训练的最大相对误差为54.5%,验证数据的均方根误差平均为0.073;而模糊神经网络训练的最大相对误差为42.6%,验证数据的均方根误差平均为0.049,均优于BP神经网络模型,能更好地模拟自来水厂余氯,满足自来水厂出厂水余氯优化控制的要求。模糊神经网络所需要考虑的因素较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。