主成分分析-BP神经网络法在漳河水质评价中的联合应用

发布时间：2020-06-17 09:28

【摘要】：漳河是中国华北地区海河水系的南运河支流,是邯郸一条重要的水系,关系到社会民生和经济发展的命脉。但近些年来,随着邯郸市人口的不断增长和工业产业的迅速发展导致漳河的水质受到污染和河流流量减少,这已经严重影响到沿岸居民的日常生活和经济的发展。本文以漳河为研究对象,选取麻田,三省桥,合漳,观台,刘家庄作为监测断面,对其水体中的DO,高锰酸盐指数,BOD,氨氮,总磷,总氮,铜,锌,氟化物,硒,砷十一种水质指标进行定期监测,整理得到的数据结合主成分分析法和神经网络法对水质监测数据进行评价,得到精确的水质评价结果,获得具体的目标水体水质状况,分析水质变化原因,为漳河的水环境保护提供科学决策和依据。结合漳河的地形地貌、水利工程、水文条件等,对漳河的主要污染物进行网络构建并模拟研究,分析河流污染的主要成分,预测监测水体的水质类别,并进一步研究污染原因。研究主要得到以下主要结论:(1)本文选取漳河的麻田,三省桥,合漳,观台,刘家庄作为监测断面,对其水体中的DO,高锰酸盐指数,BOD,氨氮,总磷,总氮,铜,锌,氟化物,硒,砷11种水质指标进行主成分分析评价,依次得出评价结果。根据该5个站点水质数据的处理结果,漳河的水质主要和DO,高锰酸盐指数,总氮、铜,锌,硒有关,因此可以初步判定水质受到有机污染物和重金属的污染较为严重。(2)利用MATLAB软件构建BP神经网络模型,对漳河的的麻田,三省桥,合漳,观台,刘家庄5个监测断面进行模拟研究。网络基于5个断面主成分分析后的6个监测指标进行分析,对各监测断面的DO,高锰酸盐指数,总氮,铜,锌,硒6个指标的监测数据在MATLAB上进行水质评价结果的网络仿真,最终得出5个监测断面一年的水质评价结果。通过网络结果分析可知:漳河水质上游污染较轻,水质较好。通过主成分分析和BP神经网络模型对漳河水质的模拟结果分析,对该地区水质污染的情况进行研究评价分析,并预测出5个监测断面的水质类别,为漳河的污染治理提供研究方法和依据,也为漳河的利用开发提供参考。
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X824
【图文】：

监测指标,断面,单位,氟化物

总氮，铜，锌，氟化物，硒，砷十一种水质指标进行定期监测。断面监测标和频率如下表 2-1 所示：表 2-1 断面监测指标与频率Table 2-1 Cross-sectional monitoring indicators and frequency监测指标监测时间及频率DO，高锰酸盐指数，BOD，氨氮，总磷，总氮，铜，锌，氟化物，硒，砷2015 年的一月份到十二月份每月一次水中的 DO，高锰酸盐指数，BOD，氨氮，总磷，总氮，铜，锌，氟化物，砷这十一种监测指标中，除 DO 外，各监测指标都是含量越低水质越好，含越高，水质污染越严重，但是水中 DO 越高，水质越好，DO 越低，水污染越重。所以，本着一致化的原则，下图中的 DO 监测数据采取了取倒数的处理测数据各断面在 2015 年各月份的监测指标如下图 2-1 至 2-12 所示：

监测指标,断面,单位

图 2-2 二月份各断面监测指标Fig. 2-2 The monitoring indicators of sections in February图 2-3 三月份各断面监测指标Fig. 2-3 The monitoring indicators of sections in March单位：mg/L

【参考文献】