《表4 锅炉风量配比表:沱江水质模糊综合评价及主要污染物的预测研究》
注:**表示在0.01水平显著相关(双尾检验);*表示在0.05水平显著相关(双尾检验)。
根据模糊综合评价和主成分分析结果,选取TN为预测指标,即输出层为1个神经元。将上述用于主成分分析的12个指标作为BP神经网络的输入备选集。数据统计技术可以帮助确定BP神经网络的输入参数[36-37]。本文通过相关性分析,选取与TN浓度显著相关且相关系数大于0.3的指标作为最终的BP输入参数,具体如表4所示。最终选择CODCr、NH3-N、NO3-、SO42-、EC和TN为输入变量,即利用内江二水厂断面的CODCr、NH3-N、NO3-、SO42-、EC和TN浓度预测申家沟断面的TN浓度。通过试错法确定了隐含层的神经元个数为4,所以BP网络的拓扑结构为6-4-1。根据相关系数r、决定系数R2和相对误差评价模型预测精度[38-40],模型预测结果及相对误差如图2和图3所示。
图表编号 | XD00203729300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 符东、吴雪菲、易珍言、陈永灿 |
绘制单位 | 西南科技大学环境与资源学院、四川文理学院化学化工学院、西南科技大学环境与资源学院、西南科技大学环境与资源学院、西南科技大学环境与资源学院、清华大学水沙科学与水利水电工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |