随着近年来科学技术的突飞猛进,计算机技术及人工智能技术日新月异,人工神经网络,作为计算机和人工智能技术高速发展的产物,其强大的功能已被广泛的应用于各种复杂系统的逼近拟合和仿真模拟等问题中,并在多方面表现出了极强的适应性。 本研究选取网络研究中最具有代表性的BP神经网络和RBF神经网络,以2000—2001年西湖常规监测的水质参数数据为研究对象,并结合灰色关联度分析法和灰色理论等原理,对初始数据进行预处理,筛选出具有代表性的水质参数,作为网络建模的变量,以水温、pH等参数作为网络输入变量,叶绿素a作为输出变量建立网络,并比较三种网络之间在预测精度、网络收敛速度等方面的性能。结果表明,与灰色理论相结合的灰色RBF神经网络表现出了比BP神经网络和RBF神经网络更好的数据拟合能力,运用灰色RBF神经网络来预测短期内杭州西湖水质参数变化时,其模拟值与实际值的误差较小,说明了灰色RBF神经网络能够有效的模拟水体水质参数的变化趋势,可以为水体富营养化趋势预测和治理提供科学依据。