混沌优化神经网络在渤海湾富营养化模型中的应用研究

发布时间：2020-05-25 20:31

【摘要】： 随着环渤海地区经济的快速发展和海岸带的大力开发,渤海湾水体富营养化问题日趋严重,成为制约滨海地区经济发展的重要因素。建立渤海湾水体富营养化的评价与预测模型,对近岸海域富营养化的防治、修复和管理具有重要的意义。 本文以渤海湾为背景,用混沌理论、神经网络、遗传算法等软计算科学方法,借助MATLAB语言,研究了渤海湾的海水富营养化评价模型,并通过分析渤海湾监测站点水质因子的主成分因子,建立了基于叶绿素a值的海水富营养化预测模型。 论文首先介绍了神经网络和混沌理论的理论基础,并对混沌动力学模型进行了分析。 其次,通过分析与渤海湾富营养化有关的主要因素,综合了物理、化学和生物指标,选取TP、TN、CODMn、Chla、SD和水温作为渤海湾营养状态评价的指标,确定了富营养化评价的标准,建立了基于人工神经网络的富营养化评价模型。进一步,针对BP神经网络的收敛慢、易陷入局部最优解等缺点,引入混沌动力学模型Logstic映射对BP神经网络进行优化,建立了混沌优化BP神经网络评价模型,采用足够多的学习样本对BP神经网络进行训练,并用检验样本检验了网络的泛化能力。本文模型与传统的NQI方法和E方法的评价结果相差较小。评价结果显示天津港口及排污口附近富营养化状况严重。 最后,分析了遗传算法的运算过程,并根据其过早收敛等缺点引入混沌理论,利用Logistic方程构造混沌算子,形成了混沌遗传算法。建立了预测渤海湾水体富营养化的混沌遗传神经网络模型。该模型选取Chla作为网络的输出变量,运用主成分分析方法,对水质因子进行降维计算,筛选出对原指标具有较好代表性的指标,得到网络的输入变量,构建了网络模型。以水温、DO、PH、Chla及硅酸盐为输入变量,两周后Chla为输出变量的网络模型能够对渤海湾的水质变化进行较好的短期预测。通过误差曲线分析,预测结果与实测值接近。本研究表明,此神经网络模型能有效地模拟富营养化过程中的非线性行为,并能较好预测Chla的变化趋势,可为渤海湾富营养治理提供科学依据。
【图文】：

图 3-3 2007 年渤海湾海洋环境监测站位根据测得的水质监测数据，利用混沌优化 BP 神经网络评价模型对渤海湾2007 年 5 月、8 月、10 月的 8 个站位进行了富营养化评价，得到各站位海水富营养化程度的评价结果。并与传统的 NQI 方法和 E 方法进行比较，NQI 方法和E方法的计算公式为公式（1-2）（1-3），三者对比的结果见表 3-4。其中由于 E 方法只有在 E>1 时为富营养化，故 E 方法未能给出中营养和贫营养的划分。根据混沌优化 BP 网络模型评价结果，渤海湾的污染主要集中于 2、3 号站位，3 个月都表现为富营养。这与实际情况很接近，从图中可以看出，2 号和 3 号站位位于天津港口和北塘排污口附近，说明污染物主要来源于陆源排污口的污染排放。通过三种方法评价可以看出，5 月份和 8 月份三种方法评价结果基本一致；10月份评价结果相差较大，BP 评价法较其余两种方法结果表现严重些，监测数据显示 10 月份各站位透明度很低，6、7、8 号站位透明度分别为 0.4、0.4 和 0.5 米，与其余月份相比较，透明度很小，，可能是由于陆源排放过大及海洋潮流作用使得
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：X55

【引证文献】

相关硕士学位论文 前1条

1 桂凌;基于GA-BP网络的砒砂岩沙棘水土保持功能评价[D];北京林业大学;2012年

本文编号：2680705