《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《沱江水质模糊综合评价及主要污染物的预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。