水质预测的粒计算求解与深度学习方法

发布时间：2017-11-20 00:05

本文关键词：水质预测的粒计算求解与深度学习方法

【摘要】：生命之水孕育着一切,水对于这个世界意义重大。然而,在人们对生活质量要求越来越高的21世纪,水资源现状却越来越不乐观,原本短缺的宝贵水资源出现了严重的污染问题。为了防洪、发电、保护水资源、充分利用水资源,国家修建了世界上最大的水利水电枢纽工程——三峡水电站。为确保三峡库区的水质安全和生态健康,提高三峡工程的综合效益和管理能力,中国科学院重庆绿色智能技术研究院参与了国家重大科技专项专题:三峡库区水生态环境感知系统及平台业务化运行。本文的研究内容源于此项目,用粒计算的优势去进行水质预测。水质数据具有复杂的非线性特性,而粒计算模拟了人类大脑认识解决问题的过程,能通过粒化,用几个简单易解的问题来替代复杂难解的问题,不确定的、非线性的复杂问题都能被粒计算很好的求解。本文将粒计算的思想运用到水质预测上,对机理性和非机理性的水质预测进行研究,具体研究内容如下:(1)机理性水质预测模型全面考虑到了影响水质的各种因子,其中,对流扩散方程可以描述污染物的扩散过程,快速且准确的得到污染物浓度分布情况具有重大的理论和实际意义。本文将粒计算中的粒层之间解的重构法与特征有限元法相结合,构造了一种新算法求解非线性对流扩散方程,并从理论上分析了此种方法的收敛性和时间复杂度,同时用数学例子证明了此法的有效性。此方法将原本需要直接在细粒层(目标粒度)上求解的非线性问题转换成:先在粗粒层上求解,再用粗粒层上的解推导出细粒层上的解。此方法将所有的非线性问题留在求解难度较小的粗粒层,细粒层上只进行线性计算,不仅消除了数值震荡问题,还在不牺牲精确度的前提下有效降低了问题的复杂度,提高了求解效率。(2)基于深度学习的水质预测。虽然机理性水质模型能全面了解水质变化过程,但需要大量的数据信息来确定模型参数,且只针对特定的水域有效。目前,很多水质机理我们并不清楚,且大多水域的数据资料匮乏,很难建立描述准确的机理性水质预测模型。深度学习技术有很好的数据非线性逼近能力、自学习能力和泛化能力,能对复杂非线性现象进行很好的黑盒子式的模拟预测。本文用基于深度学习的水质预测模型对具有复杂非线性特性的污水处理厂数据进行预测,并采用了粒子群优化算法,能对预测模型中隐含层神经单元个数和学习速率进行动态优化,改善了预测模型的收敛速度和泛化能力,使得预测结果更加科学准确,为水质预测提供一种新的解决途径。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU991.21

【参考文献】

中国期刊全文数据库前10条

1 徐计;王国胤;于洪;;基于粒计算的大数据处理[J];计算机学报;2015年08期

2 班懿根;;基于RBF神经网络的城市需水量预测[J];地下水;2012年01期

3 郭羽;贾海峰;;水污染预警DSS系统框架下的白河水质预警模型研究[J];环境科学;2010年12期

4 张永勇;夏军;陈军锋;孟德娟;;基于SWAT模型的闸坝水量水质优化调度模式研究[J];水力发电学报;2010年05期

5 邹志红;王乐娟;;湖泊富营养化趋势的灰色马尔柯夫预测[J];环境科学学报;2009年02期

6 王国胤;张清华;胡军;;粒计算研究综述[J];智能系统学报;2007年06期

7 王建平,程声通,贾海峰;密云水库水质变化趋势研究(英文)[J];Journal of Southeast University(English Edition);2005年02期

8 王红瑞,宋宇,刘昌明,陈家军;混沌理论及在水科学中的应用与存在的问题[J];水科学进展;2004年03期

9 刘清,刘群;粒及粒计算在逻辑推理中的应用[J];计算机研究与发展;2004年04期

10 张铃,张钹;模糊商空间理论(模糊粒度计算方法)[J];软件学报;2003年04期