基于改进的数量化理论和RBF神经网络组合方法的地下水水质预测

文中首先运用了一种改进的数量化理论I模型作为预处理工具,对影响地下水水质的20个因子进行定性数据转换、数据降维,随后将8个重要特征因子作为RBF（径向基函数）神经网络模型的输入,进一步对监测井的采样数据进行学习、训练,揭示地下水污染质迁移转化规律。尝试用经过改进的数量化理论与RBF神经网络方法二者结合,对沈阳李官水源地研究区监测井地下水水质变化进行模拟与预测,其仿真结果覆盖了现有的绝大部分实测数据,适用范围广泛,具有一定的推广价值。