基于人工神经网络的长江口富营养化评价研究

摘要

本文以长江口1998-2002年五个监测断面三个季节的实测数据为基础，应用因子分析方法分析了长江口富营养化因子的基本状况，分析结果表明长江口富营养化第一主因子为氮营养盐因子，第二主因子为有机污染因子，第三主因子为磷营养盐及浮游植物因子。基于以上分析结果，选取总氮、化学需氧、总磷、叶绿素a和五日生化需氧量作为长江口的富营养化评价指标，并结合国内外研究成果确定了各指标的分级阈值，从而确定长江口富营养化评价标准。 在此基础上，本文建立了基于人工神经网络的富营养化评价模型，并对目前较为流行的多种人工神经网络——BP、HNN、PNN进行了比较分析，结果表明BP神经网络在长江口富营养化评价中具有较高的合格率，相对较优。然而，BP神经网络本身存在着一些缺陷，因此需要对其进行改进，以提高网络的性能。 本文通过对BP模型的缺陷及其原因的分析，提出在训练样本、网络结构、初始权值和阈值、泛化能力等方面对网络实施一定的改进策略，以提高网络的性能、收敛速度和泛化能力。其中，通过在富营养化评价标准的分级阈值间随机生成样本来增加训练样本的容量；由网络实验通过比较网络训练的迭代次数、拟合精度以及网络辨识率指标来确定网络的最佳结构；运用简单的取反运算策略来确定网络训练的初始权值和阈值；采用“规则化调整”和“初期终止”方法对网络的泛化能力进行改进。 最后，根据网络训练的改进策略构建长江口富营养化评价模型，并实现对长江口富营养化的评价。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究目的与意义

1.2富营养化机理与评价方法

1.3长江口富营养化及其研究概况

1.4人工神经网络在富营养化评价中的应用

1.5本文主要研究内容

第二章 长江口富营养化因子分析与评价标准的建立

2.1研究区概况

2.2富营养化水质因子

2.3因子分析方法

2.4富营养化因子分析

2.4.1数据分析

2.4.2季节分析

2.4.3年际分析

2.4.4断面分析

2.5富营养化评价标准的建立

2.5.1评价指标的确定

2.5.2分级阈值的确定

2.6小结

第三章基于人工神经网络的富营养化评价方案

3.1人工神经网络概述

3.2典型的人工神经网络评价方案

3.2.1BP0神经网络方案

3.2.2 Hopfield神经网络方案

3.2.3 PNN神经网络方案

3.2.4几种方案的比较分析

3.3评价试验与结果分析

3.4BP神经网络方案的改进策略

3.4.1BP神经网络的主要缺陷及原因分析

3.4.2训练样本的改善策略

3.4.3网络结构的设计策略

3.4.4权值和阈值的初始化策略

3.4.5网络泛化能力的改进策略

3.5小结

第四章长江口富营养化评价BP改进方案的构建

4.1评价方案的构建

4.2评价结果与分析

4.3小结

第五章结论与展望

5.1结论

5.2展望

参考文献

致谢