魏敬铤，叶振维（内蒙古自治区环境科学研究院，内蒙古呼和浩特010011）

随机样本在人工神经网络地下水质分级中的应用

魏敬铤，叶振维（内蒙古自治区环境科学研究院，内蒙古呼和浩特010011）

本文应用计算机随机生成样本的方法，解决神经网络在实际应用中样本数量不足的问题，结果表明，可以有效提高网络训练的效率和精度。

随机样本；神经网络；水质分级

引言

目前，我国普遍采用的水质评价方法主要包括单项组分评价和综合评价。综合评价方法中，水质受污染程度是由多个污染因子共同决定的，为更加准确的评价水污染状况，目前已发展出多种评价方法［1］，如模糊聚类法、灰色聚类法等，由于污染物与地下水质量级别的非线性关系，计算方式复杂、计算量大，利用神经网络的非线性拟合能力和学习能力能够较快速的对监测数据进行分类，但分类误差受很多因素影响，本例主要探讨通过增加样本数量的方式，提高网络训练效率和分类精度。

1 BP网络建立

目前人工神经网络［2］应用最广泛的是BP神经网络，因其具有很强的自适应能力，通过建立网络模型，输入训练样本，将误差反向传播给网络进行修正，逐步获得不断接近输入与输出对应关系的目标网络。

图1BP网络拓扑图

神经网络是由神经元相互连接而成，一般包括三层：输入层、中间层（隐含层）［3］和输出层。根据本例输入层节点为6，输出层为1，故隐含层节点数取13，建立地下水分级的网络模型。……