论文部分内容阅读
以河北省某水厂水质观测数据为依据,建立了基于MATLAB技术的概率人工神经网络(简称PNN网络)模型,并以该模型对pH值、NTU(浊度)和耗氧量3种重要指标对水质进行了预测分类。实验中预测模型是一种基于Parzen窗的概率密度函数估计方法和贝叶斯分类规则发展而来的并行算法。通过PNN神经网络网络与BP神经网络网络相互比较,结果表明PNN网络模型的预测精度比BP网络模型高达21%,预测时长比BP网络模型短2.141 s。从而说明PNN网络模型对水质预测分类具有合理的可行性,在自来水水质预测分类中具有更高的应