饶世雄 明 丹

城市污水量的准确预测对于确定城市污水收集系统和污水厂规模有着重要的意义。城市污水量影响因素较多,各因素与污水量之间存在着高度的复杂性和非线性,故其预测模型一直是研究的难点。人工神经网络(Artificial Neural Network,简称ANN)作为非线性的动力系统,在解决该类预测问题上具有一定的优势,但传统的Backup Propagation(简称BP)人工神经网络模型存在收敛速度较慢、局部易出现极小点等缺点,为解决这些问题,提高神经网络模型精度,本文拟采用遗传算法(Genetic Algorithm,简称GA)来优化BP-ANN网络的权系和阈值,据此建立遗传算法人工神经网络预测模型,并用该模型预测武汉市武昌北区的城市污水量,以检验模型的适用性。

1 人工神经网络模型的构建

1.1 人工神经网络输入输出变量的选取

根据前人研究并综合影响城市污水量的各因素,同时考虑到BP-ANN模型的计算精度和速度,拟确定城区常住人口、城市居民生活用水量指标、工业用水量、排水系统完善率(排水管网覆盖区域与总区域的面积比)、排水系统分、合流系统比(分流制和合流制系统主干管不同管道过流断面面积与该管长度沉积的总和之比)、排水干管长度、初期雨水平均截流系数、城市绿地面积8个参数作为人工神经网络模型输入层的输入变量,将城市污水量(可采用日最高污水量或年污水总量来表示)作为输出层的输出量。采用时间移动法进行污水量预测,即当得出 t年的数据后,再预测 t+1年的污水量,依次类推[1,2]。……