剑江流域水体环境质量评价与研究

发布时间：2017-08-11 16:34

  本文关键词：剑江流域水体环境质量评价与研究

  更多相关文章： 水质评价 模糊综合评价法 主成分分析 BP神经网络

【摘要】：水质评价工作中,目前常采用的方法为单因子指数和综合指数评价法等传统方法,尽管计算简单,但水质评价结果单一,往往不具代表性,不利于对水体环境的评价因子进行横向和纵向比较以及研究评价因子的内部关系,追溯污染源头。基于此,本文以都匀市的“母亲河”——剑江流域城中段的9个监测点为评价对象,在对剑江于都匀经济发展和民生的重要价值作简要评述后,分别采用模糊综合评价法、主成分分析法和内嵌于MATLAB中的BP神经网络工具箱对9个监测点的水体环境进行了水质评价分析。作为比较对象,本文首先采用单因子指数法对剑江流域城中段的9个监测点进行水质评价分析,结果不甚理想。而采用另外三种方法对剑江流域城中段进行水质评价时,尽管评价机理不同,但是由于三种方法均综合考虑了各评价因子对水体环境的相对影响,所以评价结果均优于单因子指数法。结果表明,9个监测点水质级别中有两个V级,两个IV级,其余监测点水质均为III级。同时,由于水体环境中有机物的相对含量较高,导致水体中BOD5和COD浓度超标,二者成为影响剑江流域城中段水质的主要评价因子。其中,采用模糊综合评价法和BP神经网络对水质进行评价时,可以直接得到水质分级结果。不同的是,前者要对水质数据进行稍显复杂的处理,主要体现在隶属函数和隶属度矩阵的计算中;后者则结构简单,从模型搭建到结果输出,整个评价过程能在MATLAB中一体化完成。而主成分分析法则倾向于分析水体环境中评价因子的内部相关性和评价因子对水体环境的相对影响量,尽管未对各监测点的水质进行分级,但是其利用SPSS统计软件,在对监测点的水质进行排序的基础上,通过总方差解释和评价因子载荷矩阵得出影响水质的主要评价因子,从而追溯污染源头。鉴于三种方法各有优劣,结合相关标准中对水质评价方法需简单、高效和实用的基本要求,最后确定了主成分分析和BP神经网络互补式的水质综合评价方法。其中,利用BP神经网络对水质进行预测和分类,主成分分析法则用于深度分析评价因子对水体环境的相对影响量,确定主要污染因子,制定治理对策,从而实现对水体环境全面具体的定量描述和定性分级。
【关键词】：水质评价 模糊综合评价法 主成分分析 BP神经网络
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X824
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-25
• 1.1 水体污染及其危害10-14
• 1.1.1 水体污染致因10-12
• 1.1.1.1 自然因素11
• 1.1.1.2 人为因素11-12
• 1.1.2 水体污染的危害及其严重性12-14
• 1.2 水质评价国内外研究现状14-23
• 1.2.1 生物指数评价法14-21
• 1.2.1.1 单因子指数评价法15-16
• 1.2.1.2 综合指数评价法16-21
• 1.2.2 灰色评价法21-22
• 1.2.3 概率论统计方法22-23
• 1.3 水质评价发展趋势23
• 1.4 本文的研究内容和意义23-24
• 1.5 本文的结构安排24-25
• 第二章 剑江流域及其单因子评价结果分析25-34
• 2.1 剑江流域概况25-26
• 2.1.1 剑江流域自然概况25
• 2.1.2 剑江流域社会经济概况25-26
• 2.1.2.1 剑江流域社会概况25-26
• 2.1.2.2 剑江流域经济概况26
• 2.2 剑江流域水体污染现状26-27
• 2.3 单因子指数法评价结果分析27-33
• 2.4 本章小结33-34
• 第三章 基于模糊综合评价的水质评价分析34-47
• 3.1 模糊评价法34-37
• 3.1.1 基本思路34
• 3.1.2 矩阵化处理34-37
• 3.2 基于模糊综合评价法的水质评价37-44
• 3.2.1 隶属函数和隶属度的确定37-42
• 3.2.2 权重集的确定42-44
• 3.3 评价结果及分析44-45
• 3.4 本章小结45-47
• 第四章 基于主成分分析的水质评价分析47-58
• 4.1 主成分分析47-49
• 4.1.1 基本原理47
• 4.1.2 数学模型47-48
• 4.1.3 数据处理48-49
• 4.2 基于SPSS的主成分分析49-55
• 4.2.1 数据分析及其标准化处理49-50
• 4.2.2 描述性结果50-55
• 4.3 水质评价结果及分析55-56
• 4.4 本章小结56-58
• 第五章 基于BP神经网络的水质评价分析58-65
• 5.1 人工神经网络58-59
• 5.2 BP神经网络59-61
• 5.2.1 工作原理59-60
• 5.2.2 网络模型及学习规则60-61
• 5.3 水质评价及结果分析61-64
• 5.3.1 BP神经网络工具箱61-62
• 5.3.2 数据处理及结果分析62-64
• 5.4 本章小结64-65
• 第六章 结论与展望65-67
• 致谢67-68
• 参考文献68-72
• 攻读硕士学位期间取得的成果72-73

【参考文献】

中国期刊全文数据库 前10条

1 张彦;;基于BP神经网络在白洋淀水质综合评价中的应用[J];水科学与工程技术;2014年03期

2 孔凡彬;刘阳;;单因子指数法和内梅罗指数法在土壤环境质量评价中的比较[J];甘肃科技;2014年03期

3 杨光丽;;模糊综合评价法在土壤环境质量评价中的应用实例[J];气象与环境学报;2008年03期

4 高吉喜;段飞舟;香宝;;主成分分析在农田土壤环境评价中的应用[J];地理研究;2006年05期

5 刘德林;刘贤赵;;主成分分析在河流水质综合评价中的应用[J];水土保持研究;2006年03期

6 张蕾,王高旭,罗美蓉;灰色关联分析在水质评价应用中的改进[J];中山大学学报(自然科学版);2004年S1期

7 冯利华;环境质量的主成分分析[J];数学的实践与认识;2003年08期

8 熊德国,鲜学福;模糊综合评价方法的改进[J];重庆大学学报(自然科学版);2003年06期

9 陈安,罗亚田;改进的灰色聚类法在水质综合评价中的应用[J];国外建材科技;2002年02期

10 杨志英;BP神经网络在水质评价中的应用[J];中国农村水利水电;2001年09期

中国博士学位论文全文数据库 前1条

1 苗群;南四湖水环境质量评价研究[D];青岛大学;2008年

，

本文编号：657148