杭州市农田土壤重金属污染预警仿真研究

摘要

随着工业化和城市化进程加快,土壤重金属污染给环境和人类的健康带来了严重的威胁,开展土壤重金属污染方面的工作已经迫在眉睫。土壤重金属污染预测、预警可以起到防患于未然的作用。如何建立一个适用性强、精确度高的土壤重金属预测预警模型,是未来研究的方向。
　　土壤重金属污染系统是一个巨大的非线性系统,其浓度受多种因素影响,找出影响因素和浓度数据之间的函数关系,把握规律进行预测预警。BP神经网络具有广泛的非线性影射能力、适应能力和学习能力,通过已有影响因素和浓度数据之间关系的学习,用于土壤重金属污染预测预警具有一定的优势。
　　本文借鉴相关预警指标体系和对土壤重金属污染预测方法进行比较,以此选择BP神经网络对土壤重金属污染变化趋势进行预测。BP算法具有学习速度慢、容易陷入局部极小值、预测精度不高等问题,采用比较普遍的自适应学习速率调整法和附加动量法对其进行改进。以此建立基于BP神经网络的土壤重金属污染预测预警模型,在MATLAB环境下对预测过程进行仿真实验。通过对杭州市农田土壤重金属污染实证研究,结果发现BP神经网络的拟合精度达到98％以上,运用 BP网络模型对农田土壤重金属污染进行预测,改进后的预测精度分别在82%以上,明显高于未改进的BP网络模型70%的预测精度。这证明了本文所构建的指标及构建的预测模型是实用有效的。研究结果还表明未来杭州市农田平均处于安全水平,对人体和环境不会造成威胁,但是Pb和Cr积累将会较严重。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 选题的背景和目的

1.2土壤重金属污染预警研究现状

1.3研究内容和技术路线

第2章 土壤重金属污染预警基本理论

2.1 土壤重金属污染预警的主要流程

2.2土壤重金属污染预警指标现状

2.3警限划分和预警等级的确定

2.4土壤重金属污染预测模型现状

2.5 BP神经网络

第3章 预警指标体系的构建

3.1 研究区域概况

3.2. 杭州市农田土壤重金属污染的来源

3.3 预警指标体系的构建

第4章 农田土壤重金属污染预警仿真研究

4.1数据来源

4.2 指标体系的预测

4.2 BP神经网络在农田土壤重金属污染中的仿真研究

4.3 结果与分析

4.4 结论

4.5 杭州市土壤重金属预防及治理建议

第5章 结论及展望

5.1 结论

5.2 展望

参考文献

作者在读期间发表的学术论文及参加的科研项目