基于時序神經網絡的藻類水華預測模型研究.pdf

1、近年來,經濟和社會快速發(fā)展的同時,大量富含氮、磷等營養(yǎng)物質的工業(yè)廢水和生活污水,極大地加劇了水體的富營養(yǎng)化程度,導致藻類水華季節(jié)性的大面積暴發(fā),嚴重威脅到廣大人民群眾的飲用水安全,正在引起全世界的關注。為了將藻類水華所帶來的損失降到最小,做好暴發(fā)前的監(jiān)控預警及準確預報便顯得非常重要。
　　 由于藻類水華產生過程存在復雜性、非線性、時變性等特點,其準確預測一直都是一個國際性難題。目前有關水體富營養(yǎng)化及其影響因子的關系分析和現(xiàn)狀評價

2、研究很多,但是預測預報的研究成果很少,對于藻類變化規(guī)律及其預報方法的研究就顯得尤為重要。結合課題實際應用背景,本文針對飲用水水源地藻類水華嘗試建立有效實用的非機理性預警模型。本文的主要研究內容如下:
　　 (1)研究了藻類水華的發(fā)生機制。從藻類自身生理特征和外部條件出發(fā),探究藻類水華暴發(fā)的原因,為預測模型的建立提供理論依據;列舉了藻類水華帶來的嚴重危害,指出本文的研究意義。
　　 (2)建立了藻類水華預測模型。通過研究國

3、內外現(xiàn)有藻類水華預測方法,比較了各類模型的優(yōu)點與不足。在結合時間序列法和神經網絡各自優(yōu)點的基礎上,建立了適合課題實際應用的前向型神經網絡時間序列預測模型。
　　 (3)藻類水華預測模型仿真與結果分析。以某一試驗水池作為研究對象,利用采集到的水質數據,分別建立以葉綠素a為預測指標的單變量和多變量模型,并以于橋水庫作為實際應用驗證。結果表明,該模型具有很強的靈活性和實用性。
　　 (4)藻類水華預測模型的優(yōu)化。針對BP神經網