能够实现多属性水质评价的方法很多,如主程序分析法[1]、灰关联分析法[2]、模糊综合评价法[3]和Topsis法等,它们各有利弊,但都比较复杂,难于掌握.随着人工智能的发展,各种人工神经网络(ANN)方法,因为其强大的非线性功能、简单的原理以及与MATLAB等大型软件结合后带来的简单操作,而被广泛地应用于各种复杂的随机问题上,并得到了较为理想的结果.近几年,ANN也被利用到水质评价中[4,5,6].人工神经网络种类很多,如BP神经网络、径向基神经网络(RBF)和概率神经网络(PNN)等,它们都可以实现对水质的评价,但能力各不相同,而且以往采用的训练数据没有考虑多属性问题,使得评价误差过大[4].因此,采用新的训练方法,对多种神经网络在水质评价中的效果进行比较研究,就成了本文的主要工作.
NETL
