田建平，曹东卫，李海楠

（河北省唐秦水文水资源勘测局，河北 唐山 063000）

0 引言

人工神经网络（Artificial Neural Networks，ANN）是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型。BP 神经网络是人工神经网络中最为重要的网络之一，也是迄今为止，应用最为广泛的网络算法，实践证明这种基于误差反传递算法的 BP 网络有很强的映射能力，可以解决许多实际问题[1]。

水环境污染是多种因素影响的结果，具有非线性、不确定性和模糊性。本文通过 BP 神经网络模型对于桥水库高锰酸盐指数 、五日生化需氧量 、氨氮、溶解氧等污染指标进行了预测，为水质预测工作提供了新的思路。

1 BP 神经网络模型

1.1 BP 神经网络原理

BP 神经网络是一种反向传递并修正误差的多层前馈映射网络，其结构简单，可操作性强，在函数逼近、模式识别、分类、数据压缩等领域有着广泛的应用。对于1个3层（输入层、隐含层、输出层）的 BP 网络，只要其隐含层的神经元数足够，就可以任意精度逼近任何连续函数，实现任意Rn上[0，1]n到Rm的映射能力，具有自学习、自组织和适应能力。据统计，有近90% 的神经网络应用是采用 BP 网络或它的变化形式，它也是前向网络的核心部分，体现了人工神经网络最精华的部分。网络的学习规则是使用最速下降法，学习过程包括正向传播和反向传播。在正向传播过程中，输入信息从输入层经隐含层加权处理传向输出层，经作用函数运算后得到的输出值和期望值进行比较，若有误差，则误差反向传播，沿原先的连接通路返回，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。……