基于人工智能对地表水的水质预测与评价研究

摘要

现阶段对水质预测与评价的研究已有一定成果，具有代表性的单项预测与评价模型被广泛应用于实际。但是各种单项预测模型分别从不同角度对样本水质进行分析，会造成某些重要信息的遗缺。此外，水环境系统是一个动态的复杂系统，其相关水质参数一直处于动态变化之中。当前的水质预测与评价无法准确的反映水质的总体情况，故深入研究水质预测与评价是十分必要与迫切的。
　　针对所研究背景环境的复杂性，为适应水质变化的动态特性，提高预测精度，结合人工智能算法在水质智能化建模方面的较好应用，于是提出动态可修正灰色预测模型与动态时变指数平滑预测模型作为研究水质的单项预测模型。并将这两种预测模型进行组合，建立基于单项预测模型预测有效度的组合预测模型。该组合模型可以充分利用各单项模型的优势，通过一个适当的权重进行组合，以单项模型的动态更新来适应水质动态变化的特点。为验证所建立模型的有效性，以吉林省某河段真实监测的水质数据为基础，对溶解氧、高锰酸盐指数、氨氮、总磷、总氮五项水质参数进行水质预测。实验结果表明，该组合模型与单项预测模型相比，其预测效果更为理想，样本水质的发展态势与模型预测结果曲线的拟合性更好，在水质预测方面具有较好的实用价值。
　　在以上工作的基础上,应用支持向量机对相应的水质进行水质评价。介绍了支持向量机由二分类构建多分类的方法，以及使用粒子群算法对支持向量机的相关参数进行寻优。实验结果表明，基于支持向量机的多分类应用在水质评价方面具有较高的分类精度。评价结果准确、可靠，符合客观实际。

目录

第1章 绪 论

1.1 课题来源及研究的背景和意义

1.2 水质预测与评价的意义

1.3 国内外发展现状分析

1.4 本文主要研究内容

第2章 地表水评价体系

2.1 各级水质指标

2.2 水质模型相关指标选择

2.3 本章小结

第3章 水质预测模型

3.1 动态可修正灰色预测模型

3.2 动态时变指数平滑预测

3.3 基于预测有效度的组合预测模型

3.4 本章小结

第4章 水质评价模型

4.1 支持向量机

4.2 SVM多分类方法

4.3 SVM参数优化方法

4.4 本章小结

第5章 水质预测与评价模型的应用和分析

5.1 水质预测模型的检验与应用分析

5.2 对预测结果的水质评价与检验

5.3 本章小结

结论

参考文献

声明

致谢