论文部分内容阅读
水不仅是生命资源,而且更是一个民族生存和发展的战略资源。水环境质量评价和预测是水资源可持续利用中的一个重要环节,关系到整个人类社会的生存和发展。传统的水环境质量评价和预测方法在处理水文要素的模糊性、随机型性和复杂性方面存在一定缺陷。为了探索和改进水质量评价和预测方法,本论文主要针对传统水环境质量评价和预测方法的不足,并且基于水环境特点、水环境质量评价和预测方法理论,新兴的人工智能和神经网络原理等理论的基础上,构建了人工神经网络的水质评价和预测模型,并把该模型应用到水质评价和预测中,该研究是由首都师范大学和中国环境监测总站合作完成的。本论文所做的工作主要有:一、为对水环境质量评价和预测方法有一个清楚的了解,我们对水环境质量评价和预测的最新理论和方法做了详细的介绍,并且比较分析了这些方法,然后对水环境质量评价和预测方法研究的发展趋势给出了我们自己的一些看法。二、总结了人工神经网络的基本概念、原理、算法和主要应用等,在此基础上我们概括总结了其在水环境质量方面的一些应用。三、论文详细介绍了BP,RBF和HopField三种神经网络的水环境质量评价模型,然后在此基础上构建并实现一种改进算法的BP神经网络水环境质量评价模型;用相关的监测数据作为测试数据来检验该模型,评价结果同实际水质量结果一致,而且模型应用简单,计算方便,具有很好的实用性。四、论文详细介绍了改进BP算法,L-M优化算法和RBF算法三种水环境质量预测的算法模型,然后在BP神经网络Levenberg-Marguardt优化算法和时间序列法的基础上构建实现了水环境质量预测模型。我们选取DO、COD、TN三项作为预测指标,并把一个月的监测数据作为样本应用到该模型,最后,预测结果和实测结果的比较误差不大,表明L-M预测模型可以应用到水质量预测中。