论文部分内容阅读
随着社会经济的快速发展,水环境问题已经越来越受到了人们的广泛关注,水体富营养化和水华作为水环境中的典型问题,目前已成为环保领域的重要研究课题之一。本文首先介绍了水体富营养化评价和水华预测的研究背景、意义以及目前的研究现状和发展趋势。总结了常用的水体富营养化评价方法,针对已有方法存在的问题,提出一种基于遗传算法的模糊综合评价方法。然后确定了水质评价指标和评价标准,依据水体富营养状态的标准计算出模糊隶属度函数矩阵,建立了基于遗传算法的水质参数权重分配模型,将实测数据应用于该模型中,通过仿真得出综合评价值,验证了该方法的有效性,为水环境治理提供了有效参考。其次,通过研究水华形成过程机理,构建了藻类生长的数学机理模型,将粒子群算法用于模型中未知参数优化。通过对模型计算值和真实值比较发现,该模型能描述水华从产生到爆发过程中叶绿素的基本变化情况,但在水华爆发阶段未体现出优势,因此将神经网络引入其中,利用其非线性特性来补偿机理模型的不足。通过仿真验证了水华爆发阶段该模型的优越性,水华预测模型精度得到显著提高,为建立机理与智能方法相结合的水华预测开拓了一条新的思路。最后,总结了本文的研究工作,针对评价和预测算法上存在的不足提出了未来的研究趋势和发展动向。文中有以下两个创新点:(1)通过遗传算法优化理论构建湖库水质参数的权重优化分配模型,结合模糊综合评价方法提高湖库水质评价的有效性及客观性。(2)利用藻类模型确定水华发生的基本趋势,运用粒r群算法优化机理模型的未知参数,针对模型存在的误差通过神经网络进行非线性补偿,提高湖库水华预测模型的预警精度。