本课题来源于国家水体污染控制与治理科技重大专项“南四湖退化湿地生态修复及水质改善技术与示范课题”(课题编号为2009ZX07210-009)中的子任务“水质水量调度方案的研究”。课题组成员在前期已利用BP神经网络建立了新薛河人工湿地预测模型，模型的预测结果较好。但在对模型进行验证和应用的过程中，发现模型存在边界问题，该问题会导致所建模型的预测值与实际值间的误差偏大，降低了模型的准确性及实用性，且极有可能影响网络的收敛性和精度。　　因此，本文从系统科学的角度出发，以南四湖新薛河人工湿地为研究对象，首先通过对神经网络预测模型的构建机理和模型边界问题进行理论研究，论证了采用神经网络进行人工湿地水质水量预测的可行性，并选择BP神经网络建立人工湿地预测模型；探讨了模型边界问题的由来和解决方法，经过对比分析，选取了常用且较简单的数据扩展方法来解决该问题。然后，应用理论研究的结果，分季节对湿地的实验数据进行了扩展；利用扩展后的进出水数据，分季节重新建立了人工湿地的BP网络预测模型，验证了模型的准确性和解决方法的有效性，有效地解决了模型边界问题。最后，应用新模型确定了地表Ⅲ类水约束条件下的水质水量调度方案。　　本文的创新之处主要是：在理论研究的基础上，采用数据扩展方法有效地解决了模型边界问题。本文获得的主要研究成果如下：　　(1)通过对神经网络预测模型的构建机理进行理论研究，论证了采用神经网络进行人工湿地水质水量预测的可行性，并选择BP网络建立人工湿地预测模型。　　(2)对模型边界问题进行了理论研究，探讨了该问题的由来和解决方法，经过对比分析，选取了常用且较简单的数据扩展方法来解决该问题，并依据数据扩展方法的研究进展，选取了较简单且应用较多的函数拟合法来对湿地的实验数据进行扩展。　　(3)依据湿地的季节性划分结果，利用Origin软件，采用非线性拟合法，分季节对湿地的实验数据进行了扩展，以解决模型边界问题，提高模型的准确性和实用性，改善模型的网络性能。　　(4)分季节重新建立了湿地进水水质、水量与出水水质间的BP网络预测模型。通过对网络进行一系列的优化设计与循环试算，确定了模型的拓扑结构和网络参数，即三个季节模型的拓扑结构均为：一个输入层、一个隐含层及一个输出层的三层BP网络，隐含层节点数分别为14、14和12，训练函数分别采用trainscg函数、traincgf函数和trainscg函数。三个模型建立后，分别采用不同季节的检验样本对其进行了验证。验证结果表明，湿地2～5月模型两组检验样本的相对误差范围为1.40％～16.14％，6～9月模型的相对误差范围为0.75％～18.00％，10～12月模型的相对误差范围为0.82％～20.04％。查阅相关文献资料可知，三个模型的预测误差均在可接受的范围内，表明网络训练成功，网络性能能够满足实际应用的要求。　　(5)将训练好的三个季节模型进行应用。经预测，在保证新薛河人工湿地的出水水质达到地表Ⅲ类水的标准要求下，湿地2～5月的进水负荷应满足：水量≤9774m3/d，CODCr≤32.07mg/L，氨氮≤4.08mg/L，TN≤10.53mg/L，TP≤0.14mg/L；6～9月的进水负荷应满足：水量≤33431m3/d，CODCr≤44.22mg/L，氨氮≤1.65mg/L，TN≤5.74mg/L，TP≤0.10mg/L；10～12月的进水负荷应满足：水量≤11958m3/d，CODCr≤33.04mg/L，氨氮≤2.03mg/L，TN≤10.56mg/L，TP≤0.15mg/L。　　(6)通过与湿地的实际调水情况进行对比分析，得出本文所建模型的预测结果比之前本课题成员所建模型的预测结果更接近于湿地的实际调水情况，误差较小。这说明利用扩展后的数据所建立的模型，更适用于对新薛河人工湿地的进水水质水量进行预测，同时，其准确性和实用性也得到了提高，即本文有效地解决了模型边界问题。本文所选的数据扩展方法适用于解决神经网络模型的边界问题。　　(7)利用模型的预测结果，分季节建立了湿地的水质水量调度方案。模型的预测结果是地表Ⅲ类水约束条件下湿地的最大进水负荷，同时也是水质水量调度方案中所确定出的最大调水负荷。