一种基于神经网络原理的潜流湿地出水浓度的预测方法

摘要

本发明公开了一种基于神经网络原理的潜流湿地出水浓度的预测方法，包括以下步骤：S1、获取采集到的用于构建预测模型的多维数据，包括潜流湿地的孔隙率、水力负荷、污染负荷、污染物组分特性及水质理化特征；S2、根据神经网络原理构建预测模型，设置多维数据为输入层，设置率定的神经元数为隐含层，得到的输出层为模拟的多项污染物浓度；S3、获取多组实际数据对构建的预测模型进行可靠性评估和反馈调试；S4、根据验证后的预测模型，模拟出湿地出水浓度，对潜流湿地出水浓度进行长期持续预测。本发明为长期性持续性监测潜流湿地出水浓度提供一种便捷有效的方法，且建立的预测模型可靠性高，预测结果精确。

主权项

一种基于神经网络原理的潜流湿地出水浓度的预测方法，其特征在于，包括以下步骤：S1、获取采集到的用于构建预测模型的多维数据，包括潜流湿地的孔隙率、水力负荷、污染负荷、污染物组分特性及水质理化特征；S2、根据神经网络原理构建预测模型，设置多维数据为输入层，设置率定的神经元数为隐含层，得到的输出层为模拟的多项污染物浓度；S3、获取多组实际数据对构建的预测模型进行可靠性评估和反馈调试；S4、根据验证后的预测模型，模拟出湿地出水浓度，对潜流湿地出水浓度进行长期持续预测。