基于人工神经网络的水质模型在黄河包头段的应用研究

摘要

黄河是世界上著名的多泥沙河流，由于其黄河上游地区生态环境脆弱，加上对水资源的无序开发，导致水土流失严重。进入包头境内又受到城市废水、有色金属工业废水、造纸工业废水的污染，使其水质进一步恶化，对黄河中下游地区的水资源环境造成了严重影响。黄河包头段水质的治理效果及未来变化趋势已成为人们十分关心的问题，因此，准确的评价及预测该段的水环境状况就显得尤为重要。
　　 本文利用易于搜集的水质指标浓度的时间序列作为训练集，将DO、COD、氨氮、重金属离子等十项水质指标浓度值作为输出参数，建立了预测黄河包头段监测断面水质指标的统计相关及人工神经网络模型，并用于其水质评价，结果令人满意。该项初步验证了模型的实用价值，建立了简单实用的水质模型，可满足水资源保护监督管理的需要，也为今后黄河上开展类似工作积累经验。用黄河包头段昭君坟断面水质资料作为测试集，对已经建立的BP网络进行测试，结果显示，BP网络综合评价水质符合实际，比其他的评价方法具有更高的精度，而且将水质类别更加量化，得出了各水质样本属于或接近水质类型。水质类别的这种表示方法更客观，水质综合评价BP网络对测试实例的水质类别所做出的评价结果更具体和准确。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 引言

1.2 人工神经网络简介

1.2.1 神经元及神经网络系统

1.2.2 人工神经网络

1.2.3 人工神经网络的产生、发展及运用

1.2.4 人工神经网络特点

1.2.5 神经网络的分类

1.2.6 神经网络的运行

1.3 水质评价的人工神经网络模型——B-P模型

1.3.1 B-P算法的基本思想

1.3.2 B-P算法的学习过程

1.3.3 B-P算法的不足

1.3.4 B-P网络过拟合时满足的不确定关系式

1.4 人工神经网络在水环境中的应用

1.4.1 水质综合评价

1.4.2 水质预测

1.4.3 湖泊富营养化决策

1.4.4 水处理过程中的优化与控制

1.5 研究区概况

1.5.1 包头市区域位置

1.5.2 包头市水资源和水环境现状

1.5.3 、黄河包头段水质现状

第二章 水环境质量评价方法的研究

2.1 指数评价法

2.2 水环境质量的其他评价方法

2.2.1 人工神经网络模型

2.2.2 模糊综合评判模型

2.2.3 物元分析法

2.2.4 灰色评价法

2.3 评价方法的综合比较和趋势分析

2.4 本文研究的主要内容和结构组织

第三章 BP网络用于黄河水质的预测研究

3.1 人工神经网络对水质的预测

3.2 水环境质量预测的人工神经网络模型研究

3.2.1 改进的BP网络算法水质预侧模型

3.2.2 Levenberges-Marguardt优化算法(简称L-M优化算法)水质预测模型

3.2.3 RBF网络算法水质预测模型

3.3 构建水质预测的Levenberg-Marquardt优化算法模型

3.4 建模算法

3.4.1 时间序列建模方法

3.4.2 Levenberg-Marguardt优化算法

3.4.3 样本选取及网络训练方法

3.4.4 结果与讨论

3.5 小结

附表

第四章 人工神经网络在黄河水质综合评价上的应用

4.1 水质综合评价

4.2 构建水环境质量评价BP网络模型

4.3 B-P网络方法的应用

4.3.1 水环境质量评价模型结构

4.3.2 归一化处理

4.3.3 程序实现

4.3.4 网络参数的确立

4.3.5 应用实例

4.4 小结

附表

第五章 结论及展望

5.1 BP网络环境质量评价模型性能讨论

5.1.1 BP神经网络模型用于环境质量评价的可行性

5.1.2 BP神经网络模型用于环境质量评价的优越性

5.2 BP网络模型用于水环境质量评价展望

5.2.1 理论研究方面

5.2.2 人工神经网络方法用于环境科学领域中的研究方向

参考文献

致谢