基于神經(jīng)網(wǎng)絡(luò)和支持向量機的水華預(yù)測方法研究與應(yīng)用.pdf

1、水華的形成是水環(huán)境污染的典型問題，其中涉及到很多不確定的影響因素，難以建立統(tǒng)一的數(shù)學(xué)模型對其進行有效的預(yù)測和分析。近年來，廣大學(xué)者從機理建模和智能預(yù)測兩方面分別對水華預(yù)測方法進行研究，水華預(yù)測已成為水華研究的重點之一。 本文針對水華預(yù)測難的問題，基于水華機理的特點，分別提出了基于Elman神經(jīng)網(wǎng)絡(luò)的水華短期預(yù)測方法和基于最小二乘支持向量機的水華中期預(yù)測方法，初步建立了比較完整的水華預(yù)測系統(tǒng)，為水華預(yù)測探索了新的智能化研究方法。將

2、該系統(tǒng)應(yīng)用于北京市河湖水華預(yù)測，并使用軟件混合編程，構(gòu)筑系統(tǒng)的操作平臺，為北京市河湖水華的防治提供了全面實用的參考依據(jù)。 首先，基于水華暴發(fā)的機理，從實驗和理論兩方面綜合研究水華預(yù)測模型的輸入輸出變量。使用正交實驗和粗糙集分別分析水華的主要影響因素，確定將“總磷，總氮，水溫，光照，溶解氧和前一時刻的Chl_a”作為模型的輸入變量，Chl_a作為模型的輸出變量。為水華預(yù)測方法的研究奠定了堅實的基礎(chǔ)。 其次，針對水華機理中能

3、量隨時間積累的特點，提出基于反饋型Elman神經(jīng)網(wǎng)絡(luò)的水華短期預(yù)測方法，使用改進結(jié)構(gòu)和算法的Elman網(wǎng)絡(luò)建立預(yù)測模型，選擇不同時間間隔訓(xùn)練和測試，并與常用的BP網(wǎng)絡(luò)模型進行對比，證明了Elman模型水華短期預(yù)測的準(zhǔn)確性。 針對水華暴發(fā)具有時間序列的特性，提出基于最小二乘支持向量機的水華中期預(yù)測方法，最小二乘支持向量機是支持向量機的改進，研究最小二乘支持向量機的算法及其參數(shù)的選擇方法，并選取不同時間間隔進行預(yù)測，最后將支持向量機