用BP网络预测杭州西湖富营养化的短期变化趋势

摘要

随着人工神经网络理论的发展和计算机处理能力的日益增强,人工神经网络己越来越普遍地被应用于复杂系统的预测模型中.该研究选用了含三层网络结构,Levenberg-Marquardt规则训练前向算法的BP神经网络来模拟西湖水体的富营养化状况.该研究在西湖共设了8个采样点,收集了2000年1月至2001年4月西湖常规监测的水生生态数据.用主成分分析法选取了最能代表西湖水质状况的7号点(湖心)作为研究对象,并用该方法筛选了部分水质参数,作为BP网络的输入变量.同时,用插值的方法生成足够多的样本数,解决了该研究中样本不充足的问题.运用BP人工神经网络找出最能反映西湖富营养化状况变化趋势的水质因子,建立最佳的网络方案,预测西湖富营养化状况(叶绿素a的浓度)的短期变化趋势.并用3号点(中山码头)的数据检验了网络的泛化性能,发现网络输出值与实际值吻合度较高.结果表明,水温和叶绿素a是影响未来一周的叶绿素a含量的最重要的水质因子,以这两者作为输入变量建立的网络简单、快捷,比其他线性数值模拟预测有较大的优势.说明人工神经网络模型能有效合理的模拟富营养化进程中的非线性行为,并能成功预测西湖水体中叶绿素a的含量的短期变化趋势,可为西湖富营养化治理提供科学依据.

目录

摘要

ABSTRACT

第一章绪论

1.1富营养化研究

1.2人工神经网络

1.3人工神经网络在水环境研究中的应用

1.4本课题研究意义

第二章材料与方法

2.1西湖及其概况

2.2研究概况

2.3研究方法

第三章结果与讨论

3.1选取研究对象

3.2构建BP神经网络

3.3网络性能测试

第四章总结与结论

参考文献

致谢