朱增加+戴青松+卢高峰+王乐阳+蔡浩

摘 要 利用基本的神经网络模型在评价模型中确定指标权重的优势，将神经网络融入到评价模型之中，能够很好地对水质进行评价，为政府进行水质的保护采取措施提供依据。

关键词 神经网络模型；模糊综合评价；权重；水质评价

中图分类号：X824 文献标识码：A 文章编号：1671-7597（2014）07-0147-01

目前，水污染很严重，治理好水污染，改善环境，防止造成进一步的污染，已经成为了社会所研究的重点。因此，水质的评价成为了一项重要的研究热点，根据水质的相关的指标的特点，综合分析得到水质的状况，能够为政府采取合理的措施提供依据。目前，神经网络模型对水质进行评价已经成为了热点，神经网络的优点在于权重的确定方面，能够合理的确定各个指标的权重，但是在评价的模型上[1]，神经网络用的层层分析模型，没有做够好的进行水质的评价，本文在神经网络中融合模糊综合评价模型，能够很好的对水质进行评价。

1 神经网络理论

人工神经网络（AnificialNeural Nemorks，ANN）是通利用数学模型的方法进行抽象和模拟，是一种模仿人脑结构和它的功能的非线性的信息处理系统。它主要是大量的单元相互连接而组成的网络结构，来实现大脑的感知和学习功能。神经网络拓扑结构可以分为前馈多层式网络模型、反馈递归式网络模型和随机型网络模型等。根据研究水质问题多因素权重问题以及神经网络的相关理论，前馈多层式网络中的反向传播神经网络（BP神经网络）具有良好的持久性以及适时预报性，因此在本文的评价模型中，我们都采用BP神经网络的结构方式[2]。……