[发明专利]基于BP神经网络的水质模型参数反演分析方法及系统

权利要求书

1.一种基于BP神经网络的水质模型参数反演分析方法，其特征在于，包括：

获取预先确定的待预测的水质目标以及与所述水质目标相关的初始水质参数O⁰；

将初始水质参数O⁰输入到预先构建的水质参数与水质目标之间的BP神经网络代理水质模型P_x，得到水质模拟结果对初始水质参数O⁰进行增量计算得到水质增量模拟结果其中ΔO表示水质参数增量；

计算BP神经网络代理水质模型P_x关于水质参数的梯度并采用差分形式计算梯度的偏导值；

根据水质模拟结果和水质增量模拟结果计算水质参数增量dO^k；

根据初始水质参数O⁰和水质参数增量ΔO计算下一步水质参数O^k+1；

根据下一步水质参数O^k+1与当前的水质参数O^k判断水质参数是否收敛，若收敛则输出水质参数结果，若不收敛则将下一步水质参数O^k+1带入BP神经网络代理水质模型P_x进入循环，直到水质参数收敛，循环结束。

2.根据权利要求1所述的基于BP神经网络的水质模型参数反演分析方法，其特征在于，所述水质目标包括：COD、氨氮、总氮、总磷。

3.根据权利要求1所述的基于BP神经网络的水质模型参数反演分析方法，其特征在于，所述获取与待预测的水质目标相关的初始水质参数O⁰的过程包括：

获取与待预测的水质目标相关的m个初始水质参数O⁰以及m个初始水质参数O⁰的取值范围。

4.根据权利要求3所述的基于BP神经网络的水质模型参数反演分析方法，其特征在于，所述BP神经网络代理水质模型P_x采用3层结构，包含1个输入层，1个隐含层，1个输出层，其中，

输入层用于输入所述m个水质参数的数值，并对输入的数值进行第一次权重分配，并将第一次权重分配结果传输到隐含层；

隐含层根据第一次权重分配结果进行第二次权重分配并传递到输出层；

输出层用于根据第二次权重分配的结构输出神经网络模型水质计算结果。