基于MATLAB实现的ANN方法在地下水质评价中的应用

北京大学学报（自然科学版）

基于MATLAB实现的ANN方法在地下水质评价中的应用

罗定贵^1,2, 王学军¹, 郭青³

¹北京大学环境学院，北京，100871；²东华理工学院，土木与环境工程系，抚州，344000；³东华理工学院，电子与自动化系，抚州，344000

收稿日期:2003-02-27 出版日期:2004-03-20 发布日期:2004-03-20

The Application of ANN Realized by MATLAB to Underground Water Quality Assessment

LUO Dinggui^{1, 2}, WANG Xuejun¹, GUO Qing³

¹College of Environmental Sciences, Peking University, Beijing, 100871; ²Civil and Environmental Engineering Department, East-China Institute of Technology, Fuzhou, 344000; ³Department of electronics and automation, East-China Institute of Technology, Fuzhou, 344000

Received:2003-02-27 Online:2004-03-20 Published:2004-03-20

摘要/Abstract

摘要： MATLAB 6.5工具箱提供了径向基网络的实现函数，该算法具有自适应确定网络结构和无需人为确定网络初始权值的特点。将其应用于抚州市地下水环境质量评价，并尝试利用MATLAB的PREMNMX函数进行原始数据预处理、利用RAND函数在水质评价标准等级间内插构造足够数量的训练样本、检测样本及其目标输出、确立水质评价等级界限，取得良好的评价结果，对提高水质评价的精度与客观性具有十分积极意义。

关键词: 地下水, 环境质量评价, RBF网, 人工神经网络

Abstract: The realizing function of RBF network is provided in the toolbox of MATLAB 6.5 and the method of calculating this function possesses properties such as adaptation for determining the construction network and independence of initial weight value on person. A favorable outcome appeared after we apply this function to evaluating the quality of the underground water environment in FuZhou City, attempting to use the RAND function in MATLAB to construct enough training samples, checking samples and outputs of their targets through interpolation between grades of the water quality evaluation standard, use the PREMNMX function to pretreat the original data, determine the limits of water quality grades. The methods in this paper is meaningful in improving the precision and objectivity of underground water environment quality evaluation.

Key words: underground water, environment quality assessment, RBF network, artificial neural network

中图分类号:

X824

罗定贵, 王学军, 郭青. 基于MATLAB实现的ANN方法在地下水质评价中的应用[J]. 北京大学学报（自然科学版）.

LUO Dinggui,WANG Xuejun,GUO Qing. The Application of ANN Realized by MATLAB to Underground Water Quality Assessment[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2004/V40/I2/296

[1]	刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
[2]	钟蔚, 刘思琪, 董艳冉, 许楠. 基于特征碘离子的非靶向筛查鉴定河北省地下水中碘化消毒副产物[J]. 北京大学学报自然科学版, 2022, 58(4): 711-720.
[3]	屈永霖, 闻新宇, 张慕琪, 刘喆. 使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究[J]. 北京大学学报自然科学版, 2022, 58(2): 210-220.
[4]	张慕琪, 闻新宇, 包赟, 屈永霖. 基于人工神经网络开发中国地区统计降尺度气候预估数据[J]. 北京大学学报自然科学版, 2022, 58(2): 221-233.
[5]	周佩, 黄颖婕, 胡冰逸, 韦骏. 基于LSTM深度学习的ENSO预测及其春季预报障碍研究[J]. 北京大学学报自然科学版, 2021, 57(6): 1071-1078.
[6]	张敏, 王婷, 杨超, 倪晋仁. 唐河地下水有机氯农药(OCPs)的分布特征及风险评估[J]. 北京大学学报自然科学版, 2021, 57(2): 283-290.
[7]	王玥, 王易初, 倪晋仁. 那仁郭勒河流域地表水与地下水储量变化响应研究[J]. 北京大学学报自然科学版, 2021, 57(2): 371-380.
[8]	于超月, 王晨旭, 冯喆, 吴克宁, 赵华甫. 北京市生态安全格局保护紧迫性分级[J]. 北京大学学报自然科学版, 2020, 56(6): 1047-1055.
[9]	朱丽君, 蒙吉军, 李江风. 河北省植被覆盖变化及对生态建设工程的响应[J]. 北京大学学报自然科学版, 2020, 56(4): 755-764.
[10]	王雨琪, 程舒鹏, 陆文涛, 付正辉, 郭怀成. 基于径向基函数网络模型的中国生态压力指数评价[J]. 北京大学学报自然科学版, 2019, 55(1): 182-188.
[11]	杨盟, 张宝刚, 李家欣, 程铭, 杨情诗. 微生物燃料电池修复钒污染地下水的响应曲面优化研究[J]. 北京大学学报自然科学版, 2018, 54(4): 865-872.
[12]	杨阳, 沈泽昊, 郑天立, 丁雨賝, 李本纲. 中国当前城市空气综合质量的主要影响因素分析[J]. 北京大学学报（自然科学版）, 2016, 52(6): 1102-1108.
[13]	王磊,王羊,蔡运龙. 土地利用变化的ANN-CA模拟研究??以西南喀斯特地区猫跳河流域为例[J]. 北京大学学报（自然科学版）, 2012, 48(1): 116-122.
[14]	王羊,高阳,赵琳,赵志强,李双成. 元胞自动机模型的尺度敏感性分析[J]. 北京大学学报（自然科学版）, 2011, 47(4): 750-758.
[15]	张吉豫,刘先华,梁?,程旭. 一种基于人工神经网络的基本块重排方法[J]. 北京大学学报（自然科学版）, 2011, 47(1): 9-16.