基于小波神经网络的芦苇潜流人工湿地水质预测_韩耀宗

基于小波神经网络的芦苇潜流人工湿地水质预测韩耀宗,黄亮亮,宋新山*,曹家枞东华大学环境科学与工程学院,上海201620摘要:人工湿地系统对污水的处理效果好,工艺简单,投资运行费用低,但影响其出水水质的因素很多,并且往往是非线性的,因此目前很难将这些影响因素模型化并用于水质预测.已有的预测方法不是过于复杂就是预测精度不高.神经网络是一种具有较强预测能力的新方法,适用于各种非线性模型的预测.在小试研究的基础上,使用3种不同的、经过训练的小波神经网络,对芦苇潜流人工湿地沿程各采样口的水温,Q(DO),pH,Eh和Q(CODCr)等水质指标进行了预测.结果显示,各指标的平均相对误差分别为:水温[4121%,pH[1136%,Q(DO)[9177%,Eh[6150%,Q(CODCr)[17176%,表明小波神经网络模型适用于人工湿地模型的预测.关键词:芦苇人工湿地;小波神经网络;水质指标;预测中图分类号:X523文献标志码:A文章编号:1001-6929(2009)12-1460-06WaterQualityPredictionUsingWaveletNeuralNetworksinPhragmitesaustralisSubsurfaceFlowConstructedWetlandsHANYao-zong,HUANGLiang-liang,SONGXin-shan,CAOJia-congCollegeofEnvironmentalScienceandEngineering,DonghuaUniversity,Shanghai201620,ChinaAbstract:Constructedwetlandsystemsareeffectiveintreatingsewage.TheyhavesimpleprocessandlowinvestmentPoperationcosts.However,therearemanyfactorsinfluencingthewaterquality,andthesefactorsareoftennonlinear.Therefore,itisdifficulttomodelthesefactorssoastopredictwaterquality.Somepredictionmethodsaretoocomplicated,whileothershavearelativelylowpredictionaccuracy.Theartificialneuralnetworkisanefficient,newmethodinpredictingavarietyofnon-linearmodels.Onthebasisoflaboratoryexperiments,threekindsoftrainedwaveletneuralnetworkswereusedtopredictwaterqualityalongthePhragmitesaustralissubsurfaceflowconstructedwetlands,includingwatertemperature,Q(DO),pH,EhandQ(CODCr).Thepredictionresultsshowedthattheaveragerelativeerrorofthewatertemperature[4121%,pH[1136%,Q(DO)[9177%,Eh[6150%,Q(CODCr)[17176%.Theresultsindicatedthatthewaveletneuralnetworksmodelcaneffectivelypredictvariousitemsinwaterqualityofconstructedwetlands.Keywords:Phragmitesaustralisconstructedwetlands;waveletneuralnetworks;waterqualityindex;prediction收稿日期:2009-05-07修订日期:2009-07-13基金项目:国家自然科学基金创新群体研究基金(50721006);上海市重点学科项目(B604)作者简介:韩耀宗(1984-),男,上海人,korozoronah@yahoo.com.cn.*责任作者,宋新山(1972-),男,河南平顶山人,副教授,博士,主要从事水环境、数学模型等研究,newmountain@1631com近年来,人工湿地污水处理系统因其良好安全的出水水质、低廉的运行和基建费用、简单易行的管理而越来越得到人们的研究和重视[1-5].人工湿地污水处理系统通过自然生态系统的生态水文过程,很好地将物理、化学和生物作用结合在一起[2,4-5],增强了处理