灰色聚類法和人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)綜合評(píng)價(jià)中的比較

尹姍姍等

摘要：探討了兩種水質(zhì)綜合評(píng)價(jià)方法：改進(jìn)的灰色聚類法和人工神經(jīng)網(wǎng)絡(luò)法。通過采用增加訓(xùn)練樣本和黃金分割的隱含層節(jié)點(diǎn)優(yōu)化算法建立了人工神經(jīng)網(wǎng)絡(luò)模型，將兩種水質(zhì)綜合評(píng)價(jià)方法進(jìn)行了比較，結(jié)果表明：改進(jìn)的灰色聚類法計(jì)算量較大，主觀性較強(qiáng)，評(píng)價(jià)結(jié)果穩(wěn)定。BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水質(zhì)綜合評(píng)價(jià)具有客觀性，但網(wǎng)絡(luò)訓(xùn)練較為繁瑣，通過插值生成訓(xùn)練樣本，極大地增強(qiáng)了網(wǎng)絡(luò)的穩(wěn)定性。但擴(kuò)充后的訓(xùn)練樣本，不能代表復(fù)雜的水質(zhì)實(shí)況，使評(píng)價(jià)結(jié)果受到一定影響。

關(guān)鍵詞：灰色聚類；人工神經(jīng)網(wǎng)絡(luò)；水質(zhì)；評(píng)價(jià)

1引言

水環(huán)境質(zhì)量評(píng)價(jià)作為環(huán)境質(zhì)量評(píng)價(jià)的重要組成部分，是進(jìn)行環(huán)境管理決策的依據(jù)。目前，海洋環(huán)境部門采用較多的仍是單項(xiàng)因子評(píng)價(jià)法。單項(xiàng)因子評(píng)價(jià)法對(duì)于有針對(duì)的治污具有清晰明了的優(yōu)勢(shì)，卻很難反映不同海域的整體水質(zhì)狀況。綜合評(píng)價(jià)法體現(xiàn)各個(gè)評(píng)價(jià)因子對(duì)水質(zhì)的整體影響程度。目前，水質(zhì)綜合評(píng)價(jià)主要有綜合指數(shù)法、多因子綜合評(píng)價(jià)法、屬性識(shí)別法、模糊數(shù)學(xué)法、灰色理論法和人工神經(jīng)網(wǎng)絡(luò)法等。考慮到在環(huán)境質(zhì)量評(píng)價(jià)中，有限的時(shí)空監(jiān)測(cè)數(shù)據(jù)所提供的信息是不完全的，污染物與環(huán)境之間存在著復(fù)雜多變的聯(lián)系，這種聯(lián)系往往帶有一定的不確定性，實(shí)際上構(gòu)成了灰色系統(tǒng)的基本特征。本文主要采用灰色聚類法和具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)分別對(duì)水質(zhì)進(jìn)行評(píng)價(jià)，將兩種方法做一比較。

2改進(jìn)的灰色聚類法

灰色聚類法自創(chuàng)立以來廣泛應(yīng)用于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域，發(fā)展較為成熟，模型具有數(shù)據(jù)分辨力高的優(yōu)點(diǎn)，在多因子的綜合評(píng)價(jià)中有獨(dú)到的優(yōu)勢(shì)。經(jīng)典的灰色聚類法采用直線型白化函數(shù)，使得某些數(shù)值權(quán)重為零，這是明顯不合理的[1]，本文采用改進(jìn)的灰色聚類法進(jìn)行計(jì)算。

2014年3月綠色科技第3期5結(jié)語

灰色聚類法經(jīng)過長(zhǎng)時(shí)間的發(fā)展較為成熟，其不足之處在于龐大的計(jì)算量，并且白化函數(shù)的選擇具有一定的主觀性。灰色聚類法概念明確，并不要求有龐大的樣本來支持，適合于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域。近年來改進(jìn)的灰色聚類法較多，主要都是對(duì)白化函數(shù)的改進(jìn)。不同的白化函數(shù)導(dǎo)致不同的評(píng)價(jià)結(jié)果，但是確定白化函數(shù)的聚類模型其評(píng)價(jià)結(jié)果的穩(wěn)定性是BP網(wǎng)絡(luò)所難以媲及的。

BP神經(jīng)網(wǎng)絡(luò)的計(jì)算通過程序或軟件實(shí)現(xiàn)，工作量相對(duì)較小。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力，特別適用于解決因果關(guān)系復(fù)雜的非確定性推理、判斷、預(yù)測(cè)和分類等問題。水質(zhì)評(píng)價(jià)方式看似和一般的預(yù)測(cè)一樣，其實(shí)不然。由于預(yù)測(cè)允許一定的誤差，是估計(jì)未發(fā)生的狀況，而評(píng)價(jià)則是對(duì)發(fā)生的狀況的判別，要求有一定的穩(wěn)定性及統(tǒng)一的標(biāo)準(zhǔn)。此外，即使確定了最優(yōu)BP神經(jīng)網(wǎng)絡(luò)在做評(píng)價(jià)過程中仍然會(huì)遇到如下問題。

（1）通過隨機(jī)生成樣本，使樣本容量和樣本的連續(xù)性都有增加，大大縮短了訓(xùn)練時(shí)間。但是隨機(jī)增加的樣本單個(gè)評(píng)價(jià)因子嚴(yán)格滿足各級(jí)水質(zhì)標(biāo)準(zhǔn)，對(duì)于復(fù)雜多樣的水質(zhì)狀況來說，并沒有很好的代表性。

（2）網(wǎng)絡(luò)的泛化能力和預(yù)測(cè)能力仍然存在矛盾，通過最小誤差確定的的網(wǎng)絡(luò)僅僅是達(dá)到了對(duì)樣本的最優(yōu)擬合，評(píng)價(jià)的結(jié)果未必最優(yōu)。

（3）網(wǎng)絡(luò)結(jié)構(gòu)和誤差的大小的人為規(guī)定的，致使BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果仍然存在一定的主觀性。

參考文獻(xiàn)：

[1] 孟憲林灰色理論在環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用與完善[J]哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2002，34（5）：700～702

[2] 徐衛(wèi)國，張清宇基于修正灰色聚類模型計(jì)算污染物排放閾值[J]生物數(shù)學(xué)學(xué)報(bào)，2007，22（1）：164～170

[3] 劉金生，周煥銀，劉金輝基于BP神經(jīng)網(wǎng)絡(luò)的撫河水環(huán)境質(zhì)量評(píng)價(jià)研究[J]東華理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（1）

[4] 蔣佰權(quán)，王萬森，溫香彩改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)模型[J]計(jì)算機(jī)系統(tǒng)應(yīng)用，2007（9）

[5] 婁申，干曉蓉基于BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)[J]中南民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（2）

[6] 劉坤，劉賢趙，李希國，等模糊概率神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]水文，2007（1）

[7] 夏克文，李昌彪，沈鈞毅前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的一種優(yōu)化算法[]J計(jì)算機(jī)科學(xué)，2005（10）

[8] 鄒志紅，王學(xué)良基于隨機(jī)樣本的BP模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]環(huán)境工程，2007（1）

[9] 勞期團(tuán)灰色聚類法在海水水質(zhì)評(píng)價(jià)中的應(yīng)用[M]北京，中國環(huán)境出版社，1994：63～75

[10] 陳新軍灰色系統(tǒng)理論在漁業(yè)科學(xué)中的應(yīng)用[M]北京：中國農(nóng)業(yè)出版社，2003：64～77

78

Abstract：This article discusses two kinds ofwater comprehensiveevaluation methods：the modifiedgray-clustering law and the artificial neural networkThe artificial neural network model is created through increasing the number of training samples and optimization algorithm of golden section hidden layer nodeComparing the two kinds of water comprehensive evaluation methods，the results show that the modified grey-clustering method is rather stable and subjective，but its calculation burden is too heavy；the artificial neural network is objective and more stable by interpolating，while the network training is tedious and the expanded training sample can not representscomplex water quality，so the assessment result will be influenced

Key words：gray-clustering law；artificial neural network；water quality；assessmentendprint

摘要：探討了兩種水質(zhì)綜合評(píng)價(jià)方法：改進(jìn)的灰色聚類法和人工神經(jīng)網(wǎng)絡(luò)法。通過采用增加訓(xùn)練樣本和黃金分割的隱含層節(jié)點(diǎn)優(yōu)化算法建立了人工神經(jīng)網(wǎng)絡(luò)模型，將兩種水質(zhì)綜合評(píng)價(jià)方法進(jìn)行了比較，結(jié)果表明：改進(jìn)的灰色聚類法計(jì)算量較大，主觀性較強(qiáng)，評(píng)價(jià)結(jié)果穩(wěn)定。BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水質(zhì)綜合評(píng)價(jià)具有客觀性，但網(wǎng)絡(luò)訓(xùn)練較為繁瑣，通過插值生成訓(xùn)練樣本，極大地增強(qiáng)了網(wǎng)絡(luò)的穩(wěn)定性。但擴(kuò)充后的訓(xùn)練樣本，不能代表復(fù)雜的水質(zhì)實(shí)況，使評(píng)價(jià)結(jié)果受到一定影響。

關(guān)鍵詞：灰色聚類；人工神經(jīng)網(wǎng)絡(luò)；水質(zhì)；評(píng)價(jià)

1引言

水環(huán)境質(zhì)量評(píng)價(jià)作為環(huán)境質(zhì)量評(píng)價(jià)的重要組成部分，是進(jìn)行環(huán)境管理決策的依據(jù)。目前，海洋環(huán)境部門采用較多的仍是單項(xiàng)因子評(píng)價(jià)法。單項(xiàng)因子評(píng)價(jià)法對(duì)于有針對(duì)的治污具有清晰明了的優(yōu)勢(shì)，卻很難反映不同海域的整體水質(zhì)狀況。綜合評(píng)價(jià)法體現(xiàn)各個(gè)評(píng)價(jià)因子對(duì)水質(zhì)的整體影響程度。目前，水質(zhì)綜合評(píng)價(jià)主要有綜合指數(shù)法、多因子綜合評(píng)價(jià)法、屬性識(shí)別法、模糊數(shù)學(xué)法、灰色理論法和人工神經(jīng)網(wǎng)絡(luò)法等。考慮到在環(huán)境質(zhì)量評(píng)價(jià)中，有限的時(shí)空監(jiān)測(cè)數(shù)據(jù)所提供的信息是不完全的，污染物與環(huán)境之間存在著復(fù)雜多變的聯(lián)系，這種聯(lián)系往往帶有一定的不確定性，實(shí)際上構(gòu)成了灰色系統(tǒng)的基本特征。本文主要采用灰色聚類法和具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)分別對(duì)水質(zhì)進(jìn)行評(píng)價(jià)，將兩種方法做一比較。

2改進(jìn)的灰色聚類法

灰色聚類法自創(chuàng)立以來廣泛應(yīng)用于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域，發(fā)展較為成熟，模型具有數(shù)據(jù)分辨力高的優(yōu)點(diǎn)，在多因子的綜合評(píng)價(jià)中有獨(dú)到的優(yōu)勢(shì)。經(jīng)典的灰色聚類法采用直線型白化函數(shù)，使得某些數(shù)值權(quán)重為零，這是明顯不合理的[1]，本文采用改進(jìn)的灰色聚類法進(jìn)行計(jì)算。

2014年3月綠色科技第3期5結(jié)語

灰色聚類法經(jīng)過長(zhǎng)時(shí)間的發(fā)展較為成熟，其不足之處在于龐大的計(jì)算量，并且白化函數(shù)的選擇具有一定的主觀性。灰色聚類法概念明確，并不要求有龐大的樣本來支持，適合于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域。近年來改進(jìn)的灰色聚類法較多，主要都是對(duì)白化函數(shù)的改進(jìn)。不同的白化函數(shù)導(dǎo)致不同的評(píng)價(jià)結(jié)果，但是確定白化函數(shù)的聚類模型其評(píng)價(jià)結(jié)果的穩(wěn)定性是BP網(wǎng)絡(luò)所難以媲及的。

BP神經(jīng)網(wǎng)絡(luò)的計(jì)算通過程序或軟件實(shí)現(xiàn)，工作量相對(duì)較小。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力，特別適用于解決因果關(guān)系復(fù)雜的非確定性推理、判斷、預(yù)測(cè)和分類等問題。水質(zhì)評(píng)價(jià)方式看似和一般的預(yù)測(cè)一樣，其實(shí)不然。由于預(yù)測(cè)允許一定的誤差，是估計(jì)未發(fā)生的狀況，而評(píng)價(jià)則是對(duì)發(fā)生的狀況的判別，要求有一定的穩(wěn)定性及統(tǒng)一的標(biāo)準(zhǔn)。此外，即使確定了最優(yōu)BP神經(jīng)網(wǎng)絡(luò)在做評(píng)價(jià)過程中仍然會(huì)遇到如下問題。

（1）通過隨機(jī)生成樣本，使樣本容量和樣本的連續(xù)性都有增加，大大縮短了訓(xùn)練時(shí)間。但是隨機(jī)增加的樣本單個(gè)評(píng)價(jià)因子嚴(yán)格滿足各級(jí)水質(zhì)標(biāo)準(zhǔn)，對(duì)于復(fù)雜多樣的水質(zhì)狀況來說，并沒有很好的代表性。

（2）網(wǎng)絡(luò)的泛化能力和預(yù)測(cè)能力仍然存在矛盾，通過最小誤差確定的的網(wǎng)絡(luò)僅僅是達(dá)到了對(duì)樣本的最優(yōu)擬合，評(píng)價(jià)的結(jié)果未必最優(yōu)。

（3）網(wǎng)絡(luò)結(jié)構(gòu)和誤差的大小的人為規(guī)定的，致使BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果仍然存在一定的主觀性。

參考文獻(xiàn)：

[1] 孟憲林灰色理論在環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用與完善[J]哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2002，34（5）：700～702

[2] 徐衛(wèi)國，張清宇基于修正灰色聚類模型計(jì)算污染物排放閾值[J]生物數(shù)學(xué)學(xué)報(bào)，2007，22（1）：164～170

[3] 劉金生，周煥銀，劉金輝基于BP神經(jīng)網(wǎng)絡(luò)的撫河水環(huán)境質(zhì)量評(píng)價(jià)研究[J]東華理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（1）

[4] 蔣佰權(quán)，王萬森，溫香彩改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)模型[J]計(jì)算機(jī)系統(tǒng)應(yīng)用，2007（9）

[5] 婁申，干曉蓉基于BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)[J]中南民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（2）

[6] 劉坤，劉賢趙，李希國，等模糊概率神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]水文，2007（1）

[7] 夏克文，李昌彪，沈鈞毅前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的一種優(yōu)化算法[]J計(jì)算機(jī)科學(xué)，2005（10）

[8] 鄒志紅，王學(xué)良基于隨機(jī)樣本的BP模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]環(huán)境工程，2007（1）

[9] 勞期團(tuán)灰色聚類法在海水水質(zhì)評(píng)價(jià)中的應(yīng)用[M]北京，中國環(huán)境出版社，1994：63～75

[10] 陳新軍灰色系統(tǒng)理論在漁業(yè)科學(xué)中的應(yīng)用[M]北京：中國農(nóng)業(yè)出版社，2003：64～77

78

Abstract：This article discusses two kinds ofwater comprehensiveevaluation methods：the modifiedgray-clustering law and the artificial neural networkThe artificial neural network model is created through increasing the number of training samples and optimization algorithm of golden section hidden layer nodeComparing the two kinds of water comprehensive evaluation methods，the results show that the modified grey-clustering method is rather stable and subjective，but its calculation burden is too heavy；the artificial neural network is objective and more stable by interpolating，while the network training is tedious and the expanded training sample can not representscomplex water quality，so the assessment result will be influenced

Key words：gray-clustering law；artificial neural network；water quality；assessmentendprint

摘要：探討了兩種水質(zhì)綜合評(píng)價(jià)方法：改進(jìn)的灰色聚類法和人工神經(jīng)網(wǎng)絡(luò)法。通過采用增加訓(xùn)練樣本和黃金分割的隱含層節(jié)點(diǎn)優(yōu)化算法建立了人工神經(jīng)網(wǎng)絡(luò)模型，將兩種水質(zhì)綜合評(píng)價(jià)方法進(jìn)行了比較，結(jié)果表明：改進(jìn)的灰色聚類法計(jì)算量較大，主觀性較強(qiáng)，評(píng)價(jià)結(jié)果穩(wěn)定。BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水質(zhì)綜合評(píng)價(jià)具有客觀性，但網(wǎng)絡(luò)訓(xùn)練較為繁瑣，通過插值生成訓(xùn)練樣本，極大地增強(qiáng)了網(wǎng)絡(luò)的穩(wěn)定性。但擴(kuò)充后的訓(xùn)練樣本，不能代表復(fù)雜的水質(zhì)實(shí)況，使評(píng)價(jià)結(jié)果受到一定影響。

關(guān)鍵詞：灰色聚類；人工神經(jīng)網(wǎng)絡(luò)；水質(zhì)；評(píng)價(jià)

1引言

水環(huán)境質(zhì)量評(píng)價(jià)作為環(huán)境質(zhì)量評(píng)價(jià)的重要組成部分，是進(jìn)行環(huán)境管理決策的依據(jù)。目前，海洋環(huán)境部門采用較多的仍是單項(xiàng)因子評(píng)價(jià)法。單項(xiàng)因子評(píng)價(jià)法對(duì)于有針對(duì)的治污具有清晰明了的優(yōu)勢(shì)，卻很難反映不同海域的整體水質(zhì)狀況。綜合評(píng)價(jià)法體現(xiàn)各個(gè)評(píng)價(jià)因子對(duì)水質(zhì)的整體影響程度。目前，水質(zhì)綜合評(píng)價(jià)主要有綜合指數(shù)法、多因子綜合評(píng)價(jià)法、屬性識(shí)別法、模糊數(shù)學(xué)法、灰色理論法和人工神經(jīng)網(wǎng)絡(luò)法等。考慮到在環(huán)境質(zhì)量評(píng)價(jià)中，有限的時(shí)空監(jiān)測(cè)數(shù)據(jù)所提供的信息是不完全的，污染物與環(huán)境之間存在著復(fù)雜多變的聯(lián)系，這種聯(lián)系往往帶有一定的不確定性，實(shí)際上構(gòu)成了灰色系統(tǒng)的基本特征。本文主要采用灰色聚類法和具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)分別對(duì)水質(zhì)進(jìn)行評(píng)價(jià)，將兩種方法做一比較。

2改進(jìn)的灰色聚類法

灰色聚類法自創(chuàng)立以來廣泛應(yīng)用于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域，發(fā)展較為成熟，模型具有數(shù)據(jù)分辨力高的優(yōu)點(diǎn)，在多因子的綜合評(píng)價(jià)中有獨(dú)到的優(yōu)勢(shì)。經(jīng)典的灰色聚類法采用直線型白化函數(shù)，使得某些數(shù)值權(quán)重為零，這是明顯不合理的[1]，本文采用改進(jìn)的灰色聚類法進(jìn)行計(jì)算。

2014年3月綠色科技第3期5結(jié)語

灰色聚類法經(jīng)過長(zhǎng)時(shí)間的發(fā)展較為成熟，其不足之處在于龐大的計(jì)算量，并且白化函數(shù)的選擇具有一定的主觀性。灰色聚類法概念明確，并不要求有龐大的樣本來支持，適合于環(huán)境評(píng)價(jià)的各個(gè)領(lǐng)域。近年來改進(jìn)的灰色聚類法較多，主要都是對(duì)白化函數(shù)的改進(jìn)。不同的白化函數(shù)導(dǎo)致不同的評(píng)價(jià)結(jié)果，但是確定白化函數(shù)的聚類模型其評(píng)價(jià)結(jié)果的穩(wěn)定性是BP網(wǎng)絡(luò)所難以媲及的。

BP神經(jīng)網(wǎng)絡(luò)的計(jì)算通過程序或軟件實(shí)現(xiàn)，工作量相對(duì)較小。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和并行性、自適應(yīng)、容錯(cuò)性及自學(xué)習(xí)能力，特別適用于解決因果關(guān)系復(fù)雜的非確定性推理、判斷、預(yù)測(cè)和分類等問題。水質(zhì)評(píng)價(jià)方式看似和一般的預(yù)測(cè)一樣，其實(shí)不然。由于預(yù)測(cè)允許一定的誤差，是估計(jì)未發(fā)生的狀況，而評(píng)價(jià)則是對(duì)發(fā)生的狀況的判別，要求有一定的穩(wěn)定性及統(tǒng)一的標(biāo)準(zhǔn)。此外，即使確定了最優(yōu)BP神經(jīng)網(wǎng)絡(luò)在做評(píng)價(jià)過程中仍然會(huì)遇到如下問題。

（1）通過隨機(jī)生成樣本，使樣本容量和樣本的連續(xù)性都有增加，大大縮短了訓(xùn)練時(shí)間。但是隨機(jī)增加的樣本單個(gè)評(píng)價(jià)因子嚴(yán)格滿足各級(jí)水質(zhì)標(biāo)準(zhǔn)，對(duì)于復(fù)雜多樣的水質(zhì)狀況來說，并沒有很好的代表性。

（2）網(wǎng)絡(luò)的泛化能力和預(yù)測(cè)能力仍然存在矛盾，通過最小誤差確定的的網(wǎng)絡(luò)僅僅是達(dá)到了對(duì)樣本的最優(yōu)擬合，評(píng)價(jià)的結(jié)果未必最優(yōu)。

（3）網(wǎng)絡(luò)結(jié)構(gòu)和誤差的大小的人為規(guī)定的，致使BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果仍然存在一定的主觀性。

參考文獻(xiàn)：

[1] 孟憲林灰色理論在環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用與完善[J]哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2002，34（5）：700～702

[2] 徐衛(wèi)國，張清宇基于修正灰色聚類模型計(jì)算污染物排放閾值[J]生物數(shù)學(xué)學(xué)報(bào)，2007，22（1）：164～170

[3] 劉金生，周煥銀，劉金輝基于BP神經(jīng)網(wǎng)絡(luò)的撫河水環(huán)境質(zhì)量評(píng)價(jià)研究[J]東華理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（1）

[4] 蔣佰權(quán)，王萬森，溫香彩改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)模型[J]計(jì)算機(jī)系統(tǒng)應(yīng)用，2007（9）

[5] 婁申，干曉蓉基于BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)[J]中南民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（2）

[6] 劉坤，劉賢趙，李希國，等模糊概率神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]水文，2007（1）

[7] 夏克文，李昌彪，沈鈞毅前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的一種優(yōu)化算法[]J計(jì)算機(jī)科學(xué)，2005（10）

[8] 鄒志紅，王學(xué)良基于隨機(jī)樣本的BP模型在水質(zhì)評(píng)價(jià)中的應(yīng)用[J]環(huán)境工程，2007（1）

[9] 勞期團(tuán)灰色聚類法在海水水質(zhì)評(píng)價(jià)中的應(yīng)用[M]北京，中國環(huán)境出版社，1994：63～75

[10] 陳新軍灰色系統(tǒng)理論在漁業(yè)科學(xué)中的應(yīng)用[M]北京：中國農(nóng)業(yè)出版社，2003：64～77

78

Abstract：This article discusses two kinds ofwater comprehensiveevaluation methods：the modifiedgray-clustering law and the artificial neural networkThe artificial neural network model is created through increasing the number of training samples and optimization algorithm of golden section hidden layer nodeComparing the two kinds of water comprehensive evaluation methods，the results show that the modified grey-clustering method is rather stable and subjective，but its calculation burden is too heavy；the artificial neural network is objective and more stable by interpolating，while the network training is tedious and the expanded training sample can not representscomplex water quality，so the assessment result will be influenced

Key words：gray-clustering law；artificial neural network；water quality；assessmentendprint