基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究

基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究

ID:30507728

大小:2.04 MB

页数:59页

时间:2018-12-30

基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究_第1页
基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究_第2页
基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究_第3页
基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究_第4页
基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究_第5页
资源描述:

《基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、:●{41,n二~j●.t,-i独创性声明本人郑重声明:所提交的学位论文是本人在导师指导下独立进行研究工作所取得的成果。据我所知,除了特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果。对本人的研究做出重要贡献的个人和集体,均已在文中作了明确的说明。本声明的法律结果由本人承担。学位论文作者签名:日期:趔!:笪,穸学位论文使用授权书本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定,即:东北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权东北师范大学可以采用影印、缩印或其它复

2、制手段保存、汇编本学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中,并以电子出版物形式出版发行和提供信息服务。(保密的学位论文在解密后适用本授权书)学位论文作者签名:日期:学位论文作者毕业后去向:工作单位:——通讯地址:——舯FI刻雠菇J::当塑f2:纽/电话:——邮编:——●,'5,■t摘要新立城水库是长春市的饮用水源地之一,其水质状况直接关系到长春市民的饮水安全。近年来在新立城水源保护区内出现了多种污染源,水库水质受到污染,特别是在2

3、007年曾爆发了较大规模水华和富营养化。本文以新立城水库为研究对象,分析了水库近年来的水质变化特征,运用人工神经网络和支持向量机方法对该水库水质和富营养化进行评价和预测,取得良好的效果。在水质特征分析方面,根据历史监测数据对水库水质2008年和2009年进行了单因子评价法和模糊综合评价法等常规水质特征分析;运用支持向量机法对水库水质进行了分类,发现水库中游和坝前水质总体上为Ⅱ水体,但在夏季水质降低到了III甚至IV类。在水质预测方面,运用神经网络和支持向量机对重点国家规划控制的COD,氨氮两个水质指标进行预测。‘在富营养化预测方面,通过人工神经网络插值的方

4、法生成了足够的训练样本。经过神经元权重分析,确立三因子水质指标(总磷,温度,叶绿素a)与富营养化程度之间的关系。用前一周的水温、叶绿素a、总磷进行预测下一周的富营养化状况(叶绿素a的浓度)。通过人工神经网络建立了新立城水库大坝监测点的短期富营养化预测模型。经检验,同一监测点的预测误差小于7%,而另一监测点的误差小于20%。并用£支持向量回归机训练了中游监测点的预测模型,训练得到的模型相关系数达到O.99以上,同一监测点10重交叉验证的误差小于7%,而同一监测点的平行数据检验误差达到O.5%。而利用大坝监测点插值后的数据验证其误差为60%,说明水库不同地方的

5、富营养化变化趋势是不同的。两类方法的结果都令人满意,并且反应了人工神经网络和支持向量机各自的特点。所建立的富营养化预测模型可用于新立城水库富营养化的短期预警预报。关键词:富营养化评价;富营养化预测;人工神经网络;支持向量机:新立城水库AbstractThewaterqualityofXinlichengReservoir,whichisoneofthedrinkingwatersourcesofChangchunCity,isdirectlyrelatedtothepublicsafetyofdrinkingwaterinChangchun.Inrecen

6、tyears,therearemoreandmoresourcesofpollutioninitswatersourceprotectionarea,SOthewaterqualtiyisbeingpolluted.In2007and2009,thereislarge—scaleoutbreakofalgalbloomresultedofeutrophication.Inthispaper,theXinlichengReservoirisanalyzedasacasestudytoanalyzethechangesinwaterqualitycharact

7、eristicsfrom2008to2009.MeanwhiletheArtificialNeuralNetwork(ANN)andSupportVectorMachine(SVM)areemployedtoassessofthereservoirwaterqualityandeutrophication.Theresultsoftheassessmentandpredictionaregoodmatchwitllthepracticalresults。Toanalyzethewaterqualitycharacter,weanalyzethesituat

8、ionoftheXinlinchengreservoirviain

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。