学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络的墨水河水质模型构建及应用研究

作　者: 苑辉
导　师: 苗群
学　校: 青岛理工大学
专　业: 环境工程
关键词: 墨水河 BP神经网络水质评价水质模拟预测
分类号: X824
类　型: 硕士论文
年　份: 2009年
下　载: 58次
引　用: 0次
阅　读: 论文下载

内容摘要

河流水质评价与模拟预测是实施水环境管理规划、解决日益严峻水环境问题的工作基础。水质评价可对某一区域的水环境质量状况做出科学的评估,并为环境标准的制订、环境规划以及污染综合防治等提供科学依据。水质模拟预测可根据当前水环境质量状况、流域内污染物的迁移转化规律以及排放情况预测水质的变化趋势。二者为研究河流水质变化发展规律、诊断主要水污染问题和判断流域水环境承载力等提供依据,成为水资源管理工作的重点。本论文水质模型的构建是以课题组前期的研究工作为基础。课题组在南水北调东线南四湖生态恢复与综合整治技术开发项目中(国家十一五科技支撑重点,项目编号:2006BAC10803),利用Matlab软件、遥感软件和Surfer软件对南四湖水质进行了综合评价、富营养化评价和主要污染物空间分布研究,这些研究均为墨水河水质模型的构建做了铺垫,并在此基础上对模型进行了拓展和延伸,在提高模型精度的同时,增强了模型的稳定程度。论文以山东省青岛胶州湾北部区域主要排污河流——墨水河为研究对象,在对其流域水环境质量状况调查的基础上,结合胶州湾北部海域水环境质量现状以及北部高新技术产业新城区的规划,利用Matlab软件采用BP神经网络法建立墨水河水质评价与水质模拟预测模型,根据墨水河2001年～2007年水质监测结果对流域水环境质量进行综合评价研究,并对入海口处主要污染物浓度进行预测研究,根据评价结论和模拟预测结果寻找出导致流域水质污染的成因,判断入海口处的水环境容量。通过借鉴国内外河流先进的污染控制和治理技术,有针对性的提出研究区域水污染控制对策和建议,为城市水环境系统的可持续发展提供依据。主要研究内容包括:1)对墨水河流域水环境质量状况、社会经济状况进行了调查研究,利用Matlab和Surfer8.0绘图软件绘制了主要污染物时空变化趋势图和入海口处胶州湾海域主要污染物的空间分布图,直观的反映出该区域水环境质量现状及主要污染物的整体空间分布特征。2)以智能模式识别中应用最为广泛的BP神经网络算法为基础,建立了基于不确定性理论的水质评价模型,该模型包括输入层、隐含层和输出层三部分,为了增强网络适应能力,提高网络的精度和训练效率,本文对网络模型进行了一系列的优化设计,对墨水河水质进行综合评价。根据评价结果,2001年～2007年墨水河的烟霞桥、张家西城和石桥水质监测断面水环境质量状况分别满足《地表水环境质量标准》中Ⅲ、Ⅳ、Ⅴ类水质标准,但入海口处水环境质量状况较差,为劣Ⅴ类水质。3)以BP神经网络为基础,针对墨水河监测指标建立了水质模拟预测模型,模型的网络构架分为模型训练、模型验证与模型应用三个部分。以墨水河2001年～2006年水质监测数据作为训练样本对模型进行训练;以2007年水质监测数据对建立的网络进行验证,检验网络的精度;将《地表水环境质量标准》对应的数据带入网络,对墨水河入海口处监测点位的主要污染物浓度进行预测。根据模拟预测结果可知,当上游各功能区分别满足《地表水环境质量标准》时,入海口处水环境质量仍然较差,水质超标较为严重。分析其原因主要为沿岸企业生产废水与生活污水的直接排放使得河口处水环境自净能力大为降低,这将对沿岸经济的发展造成一定程度的阻碍。总之,根据墨水河综合评价和模拟预测结论可以看出,墨水河入海口处水环境质量状况是该流域水环境污染控制的重点,应结合流域经济发展状况有针对性的提出流域污染治理和控制对策,解决水环境保护和经济发展之间的矛盾。

全文目录

摘要  8-10
ABSTRACT  10-13
第1章引言  13-25
  1.1 概述  13-14
  1.2 国内外研究进展  14-21
    1.2.1 水质评价方法研究进展  14-18
    1.2.2 水质模拟预测方法研究进展  18-21
  1.3 课题的提出  21-22
  1.4 论文的研究目的、主要内容与技术路线  22-25
    1.4.1 研究目的  22-23
    1.4.2 主要内容  23-24
    1.4.3 课题研究的技术路线  24-25
第2章墨水河流域水环境质量状况调查研究  25-32
  2.1 墨水河流域概况  25-26
  2.2 墨水河水环境质量状况  26-28
  2.3 墨水河入海口处胶州湾海域水环境质量现状  28-30
  2.4 墨水河流域污染源调查  30-31
  2.5 本章小结  31-32
第3章基于BP神经网络水质模型的基本原理  32-52
  3.1 水环境的复杂性  32
  3.2 水质模型构建  32-34
    3.2.1 水质模型建立步骤  32-33
    3.2.2 模型的基本构架  33-34
  3.3 人工神经网络的基本原理  34-38
    3.3.1 原理概述  34-35
    3.3.2 神经网络的分类  35-37
    3.3.3 人工神经网络与水质评价及水质预测结合的优势  37-38
  3.4 BP神经网络的基本原理  38-44
    3.4.1 BP网络神经网络基本原理  39
    3.4.2 BP学习算法  39-44
  3.5 基于BP神经网络水质模型的设计  44-51
    3.5.1 网络模型的构建  44-45
    3.5.2 BP网络的优化设计  45-51
  3.6 本章小结  51-52
第4章墨水河水质评价模型的构建和应用  52-69
  4.1 水质评价基本概念  52-53
  4.2 水质评价模型的构建  53-55
  4.3 水质评价模型的优化设计  55-62
    4.3.1 训练样本的选择及预处理  55-60
    4.3.2 网络拓扑结构优化设计  60-61
    4.3.3 网络主要参数设计  61-62
  4.4 水质评价模型的应用及主要污染物超标情况分析  62-68
    4.4.1 水质评价模型的应用  62-64
    4.4.2 主要污染物超标情况分析  64-68
  4.5 本章小结  68-69
第5章墨水河水质模拟预测模型的构建和应用  69-84
  5.1 水质模拟预测的基本概念  69-70
  5.2 水质模拟预测模型的构建  70-72
    5.2.1 模型的网络构架  70-71
    5.2.2 模型基本单元的构建  71-72
  5.3 水质模拟预测模型的优化设计  72-80
    5.3.1 训练样本的选择及预处理  72-73
    5.3.2 网络拓扑结构优化设计  73-77
    5.3.3 网络主要参数设计  77
    5.3.4 网络模拟结果  77-80
  5.4 水质模拟预测模型的验证  80
  5.5 水质模拟预测模型的应用  80-81
    5.5.1 墨水河入海口处水质预测  80-81
    5.5.2 预测结果分析  81
  5.6 墨水河综合治理对策  81-83
  5.7 本章小结  83-84
第6章结论与建议  84-88
  6.1 结论  84-86
  6.2 建议  86-88
参考文献  88-95
攻读硕士学位期间发表的学术论文及参与的科研工作  95-96
  1 发表的学术论文  95
  2 进行的科研工作  95-96
致谢  96-97
附件  97-98

基于BP神经网络的墨水河水质模型构建及应用研究

内容摘要

全文目录

相似论文