基于組合模型的水質(zhì)預(yù)測和評價(jià)研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著水污染的日益嚴(yán)重,水環(huán)境問題已成為阻礙中國經(jīng)濟(jì)社會可持續(xù)發(fā)展的重大因素。如何治理水污染并對水資源進(jìn)行科學(xué)、有效的管理是一個(gè)極為重要的課題。而對水質(zhì)的可靠評價(jià)以及對水質(zhì)污染指標(biāo)的準(zhǔn)確預(yù)測是水資源管理和水污染治理中的關(guān)鍵環(huán)節(jié),也是難點(diǎn)所在。因此,本文利用黃河流域蘭州新城橋斷面和長江流域四川攀枝花龍洞斷面的相關(guān)水質(zhì)數(shù)據(jù),建立了水質(zhì)評價(jià)模型并提出一種新的水質(zhì)預(yù)測模型,為水資源管理和水污染治理提供相應(yīng)的參考。
  在水質(zhì)評價(jià)模型建立過程

2、中,本文依據(jù)《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB3838-2002)規(guī)定的各水質(zhì)指標(biāo)分級標(biāo)準(zhǔn),利用等隔均勻分布內(nèi)插水質(zhì)指標(biāo)數(shù)據(jù)的方式來構(gòu)建研究樣本,采用分層抽樣的方法確定訓(xùn)練樣本,并運(yùn)用T-S模糊神經(jīng)網(wǎng)絡(luò)建立了水質(zhì)評價(jià)模型。將訓(xùn)練好的該模型分別運(yùn)用到兩個(gè)斷面的水質(zhì)評價(jià)中,評價(jià)結(jié)果和真實(shí)水質(zhì)等級的高吻合率表明了該水質(zhì)評價(jià)模型的有效性和良好的泛化能力。
  在水質(zhì)預(yù)測中,由于水質(zhì)指標(biāo)數(shù)據(jù)的隨機(jī)性、波動(dòng)性、非線性等特征,單一水質(zhì)預(yù)測模型難以達(dá)到

3、較高的精度,因此本文提出一種新的組合預(yù)測模型。該模型將差分自回歸移動(dòng)平均模型(ARIMA)和小波神經(jīng)網(wǎng)絡(luò)(WNN)進(jìn)行組合,并利用蝙蝠算法(BA)尋找各單一模型的最優(yōu)權(quán)重。對黃河流域蘭州新城橋斷面和長江流域四川攀枝花龍洞斷面的各水質(zhì)指標(biāo)分別建立組合預(yù)測模型,將預(yù)測結(jié)果與組合模型中的各單一模型和常用的BP神經(jīng)網(wǎng)絡(luò)、最小二乘支持向量機(jī)(LSSVM)的預(yù)測結(jié)果進(jìn)行對比,結(jié)果表明本文提出的組合模型預(yù)測精度高,效果更好。最后將該組合模型預(yù)測出的水

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論