题目：基于仿真模型的水质评价与水质预测

水质评价和水质预测是水环境管理与规划的基础性工作，对国家的可持续发展有着重要的作用。本文基于两种仿真模型——人工神经网络模型和水质方程模型，对水环境质量进行仿真，在水质评价和水质预测的人工神经网络建模方法进行了一些创新性工作，为提高水质评价和水质预测的智能化水平做出了努力。 运用BP模型对水环境质量进行综合评价，针对以前BP模型在水质评价中存在的学习训练样本过少，没有检验样本等问题，用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本，并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较，检验网络评价未知样本的能力，大大提高了神经网络评价水质时的精度；在BP模型单河段河流预测的基础上，尝试每次连续预测多个河段，并且为了验证BP模型在多河段河流水质预测中的有效性，利用均方误差作为对多河段预测方法性能的检验，以至于在选择河流预测时，权衡预测误差和数据收集及其运算难度之间的关系，以确定合适的河段预测数目；基于MATLAB/SIMULINK的一维稳态水质模型，对不同污染物排放情况下的A河水质变化进行了仿真研究,为不同情况下的水质预测提供帮助。 BP模型在水环境质量仿真的应用研究中，能够比较准确的进行水质评价和水质预测，能够解决很多数学解析模型很难解决的问题，具有深入研究的价值；基于MATLAB/SIMULINK的一维稳态水质方程模型，对不同情势下的河流水质变化进行了仿真研究，为河流水污染控制提供了科学依据。