学位论文 > 优秀研究生学位论文题录展示

北京河湖水质评价与水华预测方法研究及系统实现

作　者: 朱世平
导　师: 刘载文
学　校: 北京工商大学
专　业: 控制理论与控制工程
关键词: 综合营养指数水体富营养化综合评价灰色预测 GM(1,1)-BP神经网络水华中长期预测 GPRS无线传输
分类号: X832
类　型: 硕士论文
年　份: 2010年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会经济的发展,水环境污染问题越来越严重,近年来,国内外广大学者对水体富营养化和水华暴发问题极其关注,并在机理与智能方法上进行探索研究,在此基础上,构建水质信息采集与分析系统成为水华研究的重点之一。本文首先介绍水质富营养化状态的综合营养指数评价方法,在此基础上,通过遗传算法优化参数、折中激励功率函数改进了综合营养指数评价模型。在对水体富营养化评价方法研究的基础上,建立了加入权重改进的灰色关联评价模型。结合北京市河湖特点,验证改进的综合营养指数法和改进的灰色关联评价模型的评价结果更接近国家建设部提出的标准。模型能较好地对区域水环境指标进行综合评价分级,协助分析水华富营养化状况等水环境问题,为水环境规划与水华预测防治决策提供较为科学地参考依据。通过主成分分析方法,在众多的水体理化指标和环境因素中获得河湖水华发生的预测指标,实现了对叶绿素最高点的神经网络非线性预测;同时结合改进后的灰色GM(1,1)模型有累加生成的新数据建模的特性,实现了对水华爆发点的预测。进一步分析水华从产生到暴发过程中叶绿素的变化情况,结合影响水华爆发因素,利用灰色模型对叶绿素采取分时间段处理后,对其进行初步预测,通过BP神经网络实现残差序列的非线性补偿,建立了灰色-神经网络组合预测模型,针对水华暴发特点,模拟水华影响因素之间的复杂关系,发挥灰色预测模型和神经网络的优势,避免了单一模型丢失信息的缺憾,实现对水华进行中长期预测;为进一步提高预测精度,采用遗传算法对原GM(1,1)模型进行优化改进,为水华高精度预测提供了一条新途径。最后以Microsoft Visual Basic为开发平台,综合使用无线终端采集及GPRS无线通信技术、网络实时数据库存储技术、Matlab嵌入混合编程技术等多项技术,开发了北京河湖水文信息远程传输及水华预警系统,实现了北京湖泊水质信息远程监测、水质评价与水华预警自动化。

全文目录

摘要  3-4
Abstract  4-9
第1章绪论  9-16
  1.1 课题来源、研究目的及意义  9
  1.2 国内外研究现状  9-12
  1.3 论文的主要研究内容和研究路线  12-14
    1.3.1 论文的主要研究内容  12
    1.3.2 论文的技术路线  12-14
  1.4 本章小结  14-16
第2章河湖水体富营养化综合评价模型  16-32
  2.1 水体富营养化与“水华”探讨  16
  2.2 多指标的水质富营养化状态的综合指数评价模型  16-18
    2.2.1 营养指数法:  16-17
    2.2.2 改进的综合营养指数法  17-18
  2.3 综合营养指数在北京河湖水体富营养化中的评价  18-20
  2.4 灰色关联分析  20-27
    2.4.1 灰色关联因素和关联算子集  20-22
    2.4.2 灰色关联公理与灰色关联度  22-24
    2.4.3 灰色关联分析法的步骤  24-26
    2.4.4 改进的灰色关联分析  26-27
  2.5 改进的灰色关联分析在水体富营养化评价的应用  27-31
    2.5.1 水体富营养化评价步骤  27-30
    2.5.2 评价结果比较  30-31
  2.6 本章小结  31-32
第3章基于灰色理论与神经网络的水华预测模型  32-52
  3.1 水华机理研究  32-35
    3.1.1 实验方案设计  32-34
    3.1.2 水华预测指标获取  34
    3.1.3 水华灰色预测方法分析  34-35
  3.2 灰色理论  35-42
    3.2.1 灰色理论概述  35-36
    3.2.2 灰色系统建模原理  36-40
    3.2.3 灰色系统预测  40-41
    3.2.4 GM(1,1)预测模型  41-42
  3.3 灰色系统模型的原理及改进  42-44
    3.3.1 灰色系统的优化  42-43
    3.3.2 灰色理论的应用  43-44
  3.4 BP 神经网络  44-47
    3.4.1 BP 神经网络的基本原理  44-45
    3.4.2 BP 网络的算法  45-46
    3.4.3 BP 算法的改进（ABPM 算法）  46-47
  3.5 灰色理论与神经网络在叶绿素预测中的应用  47-50
    3.5.1 预测指标的确定  47
    3.5.2 灰色理论与神经网络预测步骤  47-50
    3.5.3 实验与仿真结果  50
  3.6 本章小结  50-52
第4章改进的灰色 WPGM(1,1)- BP 神经网络模型  52-62
  4.1 灰色-BP 神经网络水华预测模型  52-56
    4.1.1 水华混合预测模型分析  52-53
    4.1.2 建立灰色-神经网络模型步骤  53-54
    4.1.3 中长期预测  54-56
  4.2 WPGM（1,1）-BP 神经网络模型  56-59
    4.2.1 改进的 WPGM(1,1)模型  56-57
    4.2.2 遗传算法设计  57-58
    4.2.3 粒子群优化的 BP 模型  58-59
  4.3 模型验证  59-61
    4.3.1 水华短期预测模型  59-60
    4.3.2 水华的中长期预测模型  60-61
  4.4 本章小结  61-62
第5章河湖水质远程监测与水华预测预警系统实现  62-73
  5.1 系统结构及关键技术  62
  5.2 系统硬件设计  62-65
    5.2.1 水质信息采集模块  63
    5.2.2 时间信息产生模块  63-64
    5.2.3 GPRS 传送模块  64-65
  5.3 系统软件结构  65-68
    5.3.1 水华预警系统软件的模块化结构  65-67
    5.3.2 数据库的设计  67-68
  5.4 基于VB 开发的系统软件平台  68-72
    5.4.1 VB 与Matlab 的嵌入式混合开发的特点  68-69
    5.4.2 系统功能  69-72
  5.5 本章小结  72-73
第6章总结与展望  73-75
  6.1 研究工作总结  73
  6.2 展望  73-75
参考文献  75-78
作者在攻读硕士学位期间发表的论文  78-79
作者在攻读硕士学位期间参与的项目及获奖经历  79-80
致谢  80

北京河湖水质评价与水华预测方法研究及系统实现

内容摘要

全文目录

相似论文