学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络吉林市地下水水质现状评价及预测研究

作　者: 张伟
导　师: 李绪谦
学　校: 吉林大学
专　业: 环境工程
关键词: 吉林市地下水水质评价水质预测神经网络综合指数法指数平滑法
分类号: X824
类　型: 硕士论文
年　份: 2007年
下　载: 486次
引　用: 6次
阅　读: 论文下载

内容摘要

随着吉林市人口密度的加大、城市的建设和国民经济的发展,需水量与日俱增,废水、废渣排放量逐年增加,加剧了水资源供需矛盾和地下水环境污染问题,因此,保护地下水水源,对当地社会和经济的发展具有重要意义,本文针对该市地下水水质变化实际情况,开展地下水质预测和评价研究。首先按照《地下水质量标准》GB/T14848-93之规定,选取SO42-、Cl-、矿化度(M)、总硬度(以CaCO3计)、氨氮、总铁、硝酸盐等监测项目,采用综合指数法及神经网络模型评判法进行各分区水质现状评价。其次采用指数平滑法模型对吉林市浅层地下水水质变化趋势进行预测。由于水文地质环境的复杂性,使得地下水污染预测的效果仍不十分理想,为此,提出了基于人工神经网络的预测模型。通过两种预测模型对吉林市观测井26101053地下水水质实测资料的对比,分析预测模型产生误差的原因和预测模型的伏缺点。最终采用神经网络预测模型预测规划年(2010年) 26101053号观测井四项指标。根据现状地下水水质评价及预测结果,分析吉林市地下水污染的成因和途径以及地下水污染的变化规律,提出合理化建议,为管理部门的优化决策提供依据。

全文目录

内容提要  4-8
1 绪论  8-18
  1.1 课题研究的目的及意义  8-9
  1.2 国内外主要研究方法  9-10
    1.2.1 水质现状评价研究方法  9-10
    1.2.2 水质预测评价研究方法  10
  1.3 研究方法的现状及进展  10-14
    1.3.1 水质现状评价研究方法的现状及进展  11
    1.3.2 水质预测研究方法的现状及进展  11-12
    1.3.3 人工神经网络在水质评价及预测方面的运用  12-14
  1.4 研究内容和方法  14-18
    1.4.1 研究内容  14-15
    1.4.2 研究方法及技术路线  15-18
2 吉林市评价区域概况  18-24
  2.1 自然地理  18-19
    2.1.1 地理位置  18
    2.1.2 地形地貌  18-19
    2.1.3 气候  19
    2.1.4 降水和蒸发  19
  2.2 人口与社会经济概况  19-20
  2.3 区域地质特征  20
  2.4 水文地质条件  20-22
  2.5 地下水补给、迳流、排泄  22-24
3 人工神经网络模型原理  24-41
  3.1 人工神经网络  24-26
    3.1.1 人工神经网络概述  24
    3.1.2 人工神经网络发展的回顾  24-25
    3.1.3 人工神经网络的应用  25-26
  3.2 人工神经网络的基本结构  26-29
    3.2.1 人工神经元的组成  26-27
    3.2.2 人工神经元模型  27-28
    3.2.3 典型人工神经网络模型  28-29
  3.3 反向传播(BP)模型  29-37
    3.3.1 BP 模型原理  29-30
    3.3.2 BP 模型学习过程  30-31
    3.3.3 BP 模型算法推导  31-35
    3.3.4 BP 算法的缺点  35
    3.3.5 BP 网络的改进  35-37
  3.4 神经网络插件平台  37-41
    3.4.1 使用方法  37-38
    3.4.2 创建神经网络  38
    3.4.3 网络学习  38-40
    3.4.4 预测模拟计算  40
    3.4.5 保存和打开网络  40-41
4 评价区分区及地下水化学环境特征  41-49
  4.1 分区原则及成果  41-45
    4.1.1 分区原则及方法  41
    4.1.2 分区成果  41-45
  4.2 各分区地下水化学类型  45-49
    4.2.1 舒卡列夫分类步骤  45
    4.2.2 评价区地下水化学类型  45-49
5 区域水质现状评价  49-62
  5.1 评价法原则  49
  5.2 综合指数法  49-54
    5.2.1 评价方法介绍  49-50
    5.2.2 评价结果  50-54
  5.3 基于人工神经网络的水质评价模型  54-60
    5.3.1 参数的确定  54
    5.3.2 网络的训练  54-56
    5.3.3 网络有效性的验证  56
    5.3.4 基于人工神经网络评价区现状水质评价  56-59
    5.3.5 两种模型评价结果比较分析  59-60
  5.4 评价结果  60-62
6 评价区水质预测  62-79
  6.1 指数平滑法  62-72
    6.1.1 指数平滑模型  62-63
    6.1.2 时间序列的自相关系数计算  63
    6.1.3 自动调整平滑系数的确定  63-64
    6.1.4 指数平滑模型的检验  64-65
    6.1.5 指数平滑模型验证  65-71
    6.1.6 平滑指数模型小结  71-72
  6.2 水质预测BP 神经网络  72-77
    6.2.1 参数的确定  72-73
    6.2.2 网络的训练  73-76
    6.2.3 网络有效性的验证  76-77
    6.2.4 BP 预测模型计算结果  77
  6.3 两种预测模型比较  77-79
7 结论  79-81
  7.1 地下水污染分析  79
  7.2 地下水资源水质保护建议与措施  79-81
参考文献  81-85
摘要  85-87
Abstract  87-90
致谢  90

基于人工神经网络吉林市地下水水质现状评价及预测研究

内容摘要

全文目录

相似论文