宋 玲

(灯塔市水利工作服务中心，辽宁 辽阳 111300)

目前，我国经济社会可持续发展受水环境恶化和水资源短缺的制约日趋突出。水环境及其承载力状况在很大程度上决定了区域经济的发展。因此，科学指导区域发展规划以及准确评价其水环境承载力，已成为现阶段水文水资源研究的热点。

水环境承载力覆盖范围广、影响因素多，且各影响因素与承载力间存在非线性关系，以传统的线性方法评价分析难度较大。RBF人工神经网络具有状态稳定、算法成熟、非线性数据处理能力强等优点，在求解非线性问题时有较好的可行性和可靠性，尤其是数据分类和模式识别时表现出较强适用性。本研究以辽阳市为例，针对不同情境模式下的综合污染指数利用RBF人工神经网络模型进行预测，可以更加直观、真实的反映区域水环境状况[1]。

1 研究方法

采用RBF模型，隐层神经元的运算法则如式(1)所示：

(1)

式中：Ini为神经元激活函数的输入；w为输入层各因子权重；u为输入向量；bi为输入向量u与该层权向量w的偏差；wji为隐含层i中的第j项因子权重；uj为第j项输入因子。

将高斯函数设定为径向基函数，利用公式(2)输出相应的数值，即：

(2)

根据式(1)、式(2)，径向基函数输出值随着w与u之间距离的减少而增加，当w与u之间的距离为0时，即输入值取0时则径向基函数输出最大值为1。因此，在权值向量与输入向量相同时可以将径向基神经元作为一个探测器，检测其输出为1的情况。

2 模型应用

首先采用已知数据系列对RBF人工神经网络模型验证、训练，并对模型参数进行优选，在此基础上对各种可能方案利用验证好的模型加以预测。……