臧 蕾, 李祚泳

（成都信息工程学院,四川成都 610225）

0 引言

水安全包括水资源及由此而引发的经济安全、社会安全甚至上升到国家安全高度的问题。因此,水安全问题越来越成为全世界关注的焦点。国内外对水安全定性研究较多,而在系统性和量化方面显得不足[1]。当前常用的水安全评价主要有层次分析法、模糊分析法、物元分析法、集对分析法、属性识别法等不确定性分析评价方法[2-6]。这些方法虽然能反映水安全评价过程中具有的模糊性、灰色性、不相容性和既确定又不确定的特征,但是评价过程中需要构造众多的评价函数,工作量大,而且这些评价函数的设计无规律可循,主观性较大。因此,实际使用不简便。BP网络、支持向量机及投影寻踪等智能评价模型指标较多时有大量参数需要优化确定[7],编程计算较复杂。环境质量评价实际上是根据一定的判别标准对环境质量的模式的好坏做出评价与区分,是典型的模式识别问题[8]。人工神经网络在模式识别方面表现出了较好的特性,尤其是最近几年提出和开始研究的径向基函数（Radial Basis Function,RBF）人工神经网络较为有效地解决了以上问题,在环境质量评价中得到应用。径向基神经网络的分类能力、学习效率及泛化能力都优于BP网络,而且隐节点数容易确定,需要优化的权值亦较少。RBF神经网络不仅具有良好的推广能力,而且避免了向反向传播那样烦琐、冗长的计算,克服了计算时容易陷入局部极小值的问题,学习速度也是传统BP网络无法比拟的。……