广义回归神经网络在昆山水质评价中的应用

为了更加科学地评价水体水质,采用GRNN神经网络对昆山某Ⅲ类功能的湖泊水体进行水质评价,同时与BP、单因子评价法进行对比分析,论证GRNN评价水质的可行性并分析水质污染特征。评价结果显示,当GRNN光滑因子为0.4时,训练误差为0.5%~4.7%,GRNN和BP水质评价结果相对误差为-0.4%~18.6%;水质评价结果表明,待评价水质不容乐观,刚好达到功能区标准或者已经超过功能区标准。一年中污染最重的是2、3月,污染最轻的是8月。该方法模型参数少、操作简单,能够反映综合水质状况,有助于管理人员通过复杂的监测数据快速掌握不同水体的污染程度,为水资源保护和管理提供重要的技术支持。