文档介绍：地下水水质评价的人工神经网络方法
第23卷第1期
2003年3月
西安科技学院
JOURNALOFXI'ANUNIVERSITYOFSCIENCEANDTECHNOLOGY
文章编号:进行综合评价,为矿区地下水资源管理
提供依据.
涡北井田各含水层原始水质资料和选用的水质分级标准如表1,表2所示.
此次评价选用了三价铁,***化物,硫酸根,***,硬度,矿化度及COD等7项评价指标,水质评价标准主
要依据《生活饮用水水质标准)}(GB5749—85)分5个等级,因而BP网络模型的输入和输出层分别有7个
和5个神经元,隐层经训练结果表明,当隐层单元个数为7时,网络模型稳定且可获得较理想结果,这样网
络结构即可确定为7—7—5.
将表2水质分级标准作为5个学****样本,BP网络模型对输入样本的输出期望值定为:优(1,0,0,0,
0);良(0,1,0,0,0);较好(0,0,1,0,0);较差(0,0,0,1,0);极差(0,0,0,0,1),BP网络模型学****参数r/=0.
05,a=,均方差取E≤,当学****迭代次数为1351时,网络收敛并达到所需精度(如表3),可见
BP网络模型已建立了该评价标准与评价级别之间的复杂对应关系,该模型已能够作为地下水水质评价模
型.
将涡北井田原始水质资料输入至已训练好的BP网络模型中,由已掌握知识信息的BP网络对它们进
行评价,按照其输出值与评价级别的贴近度来判断,
性,本文运用灰色聚类法对地下水水质进行了评价,两种方法输出结果如表4所示.
第1期虞登梅等地下水水质评价的人工神经网络方法29
表1涡北井田原始水质资料汇总表
注:硬度单位为盯,其它单位为mg/L
表2地下水水质分级标准表表3BP网络模型样本"学****quot;结果
注:硬度单位为盯,其它单位为mg/L.
表4涡北井田水质评价结果
评价结果表明:水质评价BP网络模型评价结果与灰色聚类结果是基本一致的.(下转第37页)
第1期赵法锁等场地地震响应的二维动态有限元分析法初探37
3)用动态有限元程序求解地震响应理论上是合理的,具有一定的理论意义和使用价值.
参考文献:
[1]吴再光,韩国城,[A].全国土工建筑物及地基抗震学术讨论会论文集
[C].西安:西安***,1986.
[2][M].北京:国防工业出版社,1993.
[3]张克绪,[M].北京:地震出版社,1989.
[4]庄表中,[M].北京:地震出版社,1982.
[5]赵雷,[M].北京:地震出版社,1998.