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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
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(duì)其進(jìn)行有效的預(yù)測(cè)和分析。近年來,廣大學(xué)者從機(jī)理建模和智能預(yù)測(cè)兩方面分別對(duì)水華預(yù)測(cè)方法進(jìn)行研究,水華預(yù)測(cè)已成為水華研究的重點(diǎn)之一。 本文針對(duì)水華預(yù)測(cè)難的問題,基于水華機(jī)理的特點(diǎn),分別提出了基于Elman神經(jīng)網(wǎng)絡(luò)的水華短期預(yù)測(cè)方法和基于最小二乘支持向量機(jī)的水華中期預(yù)測(cè)方法,初步建立了比較完整的水華預(yù)測(cè)系統(tǒng),為水華預(yù)測(cè)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(cè),并使用軟件混合編程,構(gòu)筑系統(tǒng)的操作平臺(tái),為北京市河湖水華的防治提供了全面實(shí)用的參考依據(jù)。 首先,基于水華暴發(fā)的機(jī)理,從實(shí)驗(yàn)和理論兩方面綜合研究水華預(yù)測(cè)模型的輸入輸出變量。使用正交實(shí)驗(yàn)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(shí)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(cè)方法的研究奠定了堅(jiān)實(shí)的基礎(chǔ)。 其次,針對(duì)水華機(jī)理中能
3、量隨時(shí)間積累的特點(diǎn),提出基于反饋型Elman神經(jīng)網(wǎng)絡(luò)的水華短期預(yù)測(cè)方法,使用改進(jìn)結(jié)構(gòu)和算法的Elman網(wǎng)絡(luò)建立預(yù)測(cè)模型,選擇不同時(shí)間間隔訓(xùn)練和測(cè)試,并與常用的BP網(wǎng)絡(luò)模型進(jìn)行對(duì)比,證明了Elman模型水華短期預(yù)測(cè)的準(zhǔn)確性。 針對(duì)水華暴發(fā)具有時(shí)間序列的特性,提出基于最小二乘支持向量機(jī)的水華中期預(yù)測(cè)方法,最小二乘支持向量機(jī)是支持向量機(jī)的改進(jìn),研究最小二乘支持向量機(jī)的算法及其參數(shù)的選擇方法,并選取不同時(shí)間間隔進(jìn)行預(yù)測(cè),最后將支持向量機(jī)
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 灰色神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)預(yù)測(cè)模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)及其改進(jìn)算法的供熱負(fù)荷預(yù)測(cè)研究.pdf
- 支持向量機(jī)與RBF神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)模型的應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的生物數(shù)據(jù)分類.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的藻類水華建模與預(yù)測(cè)研究.pdf
- 基于支持向量機(jī)的模糊神經(jīng)網(wǎng)絡(luò)控制.pdf
- 徑向基神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的參數(shù)優(yōu)化方法研究及應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的遞增支持向量機(jī)研究.pdf
- 基于時(shí)序神經(jīng)網(wǎng)絡(luò)的藻類水華預(yù)測(cè)模型研究.pdf
- 神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相關(guān)問題研究.pdf
- 基于支持向量機(jī)的粒子群神經(jīng)網(wǎng)絡(luò)集成在股市預(yù)測(cè)中的應(yīng)用研究.pdf
- 支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的故障分類對(duì)比研究#
- 基于卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)支持向量機(jī)的人臉檢測(cè).pdf
- 基于灰色理論和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法研究與應(yīng)用.pdf
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究
- 基于小波神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的電機(jī)故障診斷與研究.pdf
- 基于詞向量和因子分解機(jī)神經(jīng)網(wǎng)絡(luò)模型的CTR預(yù)測(cè)研究.pdf
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究.pdf
- 基于支持向量機(jī)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的算法及應(yīng)用研究.pdf
- 基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的支持向量機(jī)的FPGA實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論