[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

说明书

本发明公开了一种基于BP神经网络的水质模型参数反演分析方法及系统，包括：将初始水质参数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，得到水质模拟结果，对初始水质参数进行增量计算得到水质增量模拟结果；计算BP神经网络代理水质模型关于水质参数的梯度，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；根据初始水质参数和水质参数增量计算下一步水质参数；判断是否收敛，若是则输出水质参数结果，若否则将下一步水质参数带入BP神经网络代理水质模型进入循环，直到水质参数收敛。优点：本发明操作性强、可有效确定参数的较优取值，为水质模型提供更加精准的参数信息。

技术领域

本发明涉及一种基于BP神经网络的水质模型参数反演分析方法及系统，属于水环境数学模型参数反演技术领域。

背景技术

众所周知，水质模型受到许多参数的共同作用和相互影响，这些参数具有高度非线性的特点，参数之间的相互作用也未可知。在实际建模时需要调整的水质参数存在着很大的不确定性，其可参考的理论依据较少，且参数取值往往凭借经验，因而参数的选取具有一定的主观性。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于BP神经网络的水质模型参数反演分析方法及系统。

为解决上述技术问题，本发明提供一种基于BP神经网络的水质模型参数反演分析方法，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。

进一步的，所述水质目标包括：COD、氨氮、总氮、总磷。

进一步的，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。

进一步的，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。

进一步的，所述BP神经网络代理水质模型P_x的训练过程包括：

获取样本数据，将样本数据分训练集和验证集，所述样本数据为预先获取的水质参数和水质实测值；