基于BP神经网络的水质评价模型研究
发布时间：2021-08-03 21:39
我国作为一个干旱、缺水的国家,水污染问题也很突出。水质评价便是对水资源的质量等级做出评价。水质环境复杂多变,存在着大量的微生物和化学物质,增加了水质评价的难度。BP神经网络是现阶段应用最为广泛的神经网络模型之一。其自适应性、自学习性和分布式处理的能力在水质评价中已经得到了较好的应用。但是BP神经网络自身存在着一些缺点,会导致评价结果的不准确。因此需要寻找一个更加优秀的水质评价方法。本文对基于BP神经网络的水质评价模型进行实验和研究,希望找出更好的水质评价方法。研究中,发现遗传算法具有强大的宏观搜索功能,可以解决BP神经网络的局部极值问题,而自适应遗传算法可以提高收敛速度、优化学习效果。在实验上,分别用BP神经网络和用以上两种方法优化后的BP神经网络分别对水质进行了评价,结果显示自适应遗传算法优化后的BP神经网络对水质的评价取得了良好的评价效果。得出结论,使用自适应遗传算法优化原有的水质评价方法能够更好地为我国各流域断面水质做出评价,在水质评价中有着很好的适用价值,为水资源保护提供了数据基础。
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１．１水质评价模型??
?第２章我国地表水水质状况???鐮２０丨７年?豳２０１８年??會?３．１个??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１类?劣ｖ＿类??图２．１?２０１８年全国地表水水质类别年际比较??长江、黄河、珠江、松花江、淮河、海河、辽河七大流域和浙闽片河流、??西北诸河、西南诸河监测的１６１３个水质断面中，一类占５．０％，二类占４３．０％，??三类占２６．３％，四类占１４．４％，五类占４．５％，劣五类占６．９％。图２．２为２０１８??年全国流域总体水质状况。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??图２．２?２０１８年全国流域总体水质状况??与２０１７年相比，在统计的监测点水质评价结果中，一类占比增加了?２．８个??百分点，二类增加了?６．３个百分点，三类减少了?６．６个百分点，四类减少了?０．２??个百分点，五类减少了?０．７个百分点，劣五类减少了?１．５个百分点。图２．３为２０１８??年全国流域总体水质状况年际比较。??９??
?第２章我国地表水水质状况???鐮２０丨７年?豳２０１８年??會?３．１个??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１类?劣ｖ＿类??图２．１?２０１８年全国地表水水质类别年际比较??长江、黄河、珠江、松花江、淮河、海河、辽河七大流域和浙闽片河流、??西北诸河、西南诸河监测的１６１３个水质断面中，一类占５．０％，二类占４３．０％，??三类占２６．３％，四类占１４．４％，五类占４．５％，劣五类占６．９％。图２．２为２０１８??年全国流域总体水质状况。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??图２．２?２０１８年全国流域总体水质状况??与２０１７年相比，在统计的监测点水质评价结果中，一类占比增加了?２．８个??百分点，二类增加了?６．３个百分点，三类减少了?６．６个百分点，四类减少了?０．２??个百分点，五类减少了?０．７个百分点，劣五类减少了?１．５个百分点。图２．３为２０１８??年全国流域总体水质状况年际比较。??９??
【参考文献】：
期刊论文
[1]基于遗传算法优化前馈神经网络模型的配电网短期负荷预测[J]. 陈浩,戴欣. 科技创新与应用. 2020(05)
[2]基于遗传算法优化BP神经网络的管道泄漏检测方法研究[J]. 燕宗伟,李平,郎宪明,刘浩宇. 当代化工. 2020(01)
[3]基于改进GA的神经网络航班保障时间估计[J]. 邢志伟,韩大浩,罗谦. 计算机工程与设计. 2020(01)
[4]基于BP神经网络的桃林口水库水质预测[J]. 赵林,戴天骄,陈亮,冯琛雅,刘琦,赵明杰. 安徽农业科学. 2019(24)
[5]遗传算法变异算子的改进[J]. 王春阳,赵玉庆,谢金兴,苏本堂. 山东农业大学学报(自然科学版). 2019(05)
[6]人工神经网络研究与分析[J]. 祝凌云. 科技传播. 2019(12)
[7]谈遗传算法[J]. 孙俊丽. 办公自动化. 2019(12)
[8]类脑机的思想与体系结构综述[J]. 黄铁军,余肇飞,刘怡俊. 计算机研究与发展. 2019(06)
[9]基于退火算法优化的BP神经网络的电力通信网业务可靠性评价[J]. 董彦军,刘平,辛锐,李超. 微型电脑应用. 2019(05)
[10]深度学习神经网络的新型自适应激活函数[J]. 刘宇晴,王天昊,徐旭. 吉林大学学报(理学版). 2019(04)
博士论文
[1]多功能农业与中国农业政策研究[D]. 姬亚岚.西北大学 2007
硕士论文
[1]基于遗传算法优化的BP神经网络对房价预测的研究[D]. 高文.延安大学 2019
[2]遗传算法优化神经网络在供水管网中的应用[D]. 邓葳.广东工业大学 2019
[3]基于神经网络和遗传算法的干道相位差仿真优化研究[D]. 曹涛涛.西南交通大学 2019
[4]基于BP神经网络的河流黑臭水体评价及对策研究[D]. 崔晓彤.青岛理工大学 2018
[5]主成分分析-BP神经网络法在漳河水质评价中的联合应用[D]. 高爽.河北工程大学 2018
[6]一种基于人工神经网络的地表水质预测方法[D]. 刘宇同.哈尔滨工程大学 2017
[7]基于TOPSIS法的水环境质量评价研究[D]. 程佩瑄.兰州大学 2014
[8]一种改进的遗传算法及应用[D]. 李延梅.华南理工大学 2012
[9]自适应遗传算法的改进研究及其应用[D]. 陈超.华南理工大学 2011
[10]系统模糊集理论在水环境系统——水质评价中的应用[D]. 王涛.大连理工大学 2002
本文编号：3320381
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１．１水质评价模型??
?第２章我国地表水水质状况???鐮２０丨７年?豳２０１８年??會?３．１个??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１类?劣ｖ＿类??图２．１?２０１８年全国地表水水质类别年际比较??长江、黄河、珠江、松花江、淮河、海河、辽河七大流域和浙闽片河流、??西北诸河、西南诸河监测的１６１３个水质断面中，一类占５．０％，二类占４３．０％，??三类占２６．３％，四类占１４．４％，五类占４．５％，劣五类占６．９％。图２．２为２０１８??年全国流域总体水质状况。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??图２．２?２０１８年全国流域总体水质状况??与２０１７年相比，在统计的监测点水质评价结果中，一类占比增加了?２．８个??百分点，二类增加了?６．３个百分点，三类减少了?６．６个百分点，四类减少了?０．２??个百分点，五类减少了?０．７个百分点，劣五类减少了?１．５个百分点。图２．３为２０１８??年全国流域总体水质状况年际比较。??９??
?第２章我国地表水水质状况???鐮２０丨７年?豳２０１８年??會?３．１个??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１类?劣ｖ＿类??图２．１?２０１８年全国地表水水质类别年际比较??长江、黄河、珠江、松花江、淮河、海河、辽河七大流域和浙闽片河流、??西北诸河、西南诸河监测的１６１３个水质断面中，一类占５．０％，二类占４３．０％，??三类占２６．３％，四类占１４．４％，五类占４．５％，劣五类占６．９％。图２．２为２０１８??年全国流域总体水质状况。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??图２．２?２０１８年全国流域总体水质状况??与２０１７年相比，在统计的监测点水质评价结果中，一类占比增加了?２．８个??百分点，二类增加了?６．３个百分点，三类减少了?６．６个百分点，四类减少了?０．２??个百分点，五类减少了?０．７个百分点，劣五类减少了?１．５个百分点。图２．３为２０１８??年全国流域总体水质状况年际比较。??９??
【参考文献】：
期刊论文
[1]基于遗传算法优化前馈神经网络模型的配电网短期负荷预测[J]. 陈浩,戴欣. 科技创新与应用. 2020(05)
[2]基于遗传算法优化BP神经网络的管道泄漏检测方法研究[J]. 燕宗伟,李平,郎宪明,刘浩宇. 当代化工. 2020(01)
[3]基于改进GA的神经网络航班保障时间估计[J]. 邢志伟,韩大浩,罗谦. 计算机工程与设计. 2020(01)
[4]基于BP神经网络的桃林口水库水质预测[J]. 赵林,戴天骄,陈亮,冯琛雅,刘琦,赵明杰. 安徽农业科学. 2019(24)
[5]遗传算法变异算子的改进[J]. 王春阳,赵玉庆,谢金兴,苏本堂. 山东农业大学学报(自然科学版). 2019(05)
[6]人工神经网络研究与分析[J]. 祝凌云. 科技传播. 2019(12)
[7]谈遗传算法[J]. 孙俊丽. 办公自动化. 2019(12)
[8]类脑机的思想与体系结构综述[J]. 黄铁军,余肇飞,刘怡俊. 计算机研究与发展. 2019(06)
[9]基于退火算法优化的BP神经网络的电力通信网业务可靠性评价[J]. 董彦军,刘平,辛锐,李超. 微型电脑应用. 2019(05)
[10]深度学习神经网络的新型自适应激活函数[J]. 刘宇晴,王天昊,徐旭. 吉林大学学报(理学版). 2019(04)
博士论文
[1]多功能农业与中国农业政策研究[D]. 姬亚岚.西北大学 2007
硕士论文
[1]基于遗传算法优化的BP神经网络对房价预测的研究[D]. 高文.延安大学 2019
[2]遗传算法优化神经网络在供水管网中的应用[D]. 邓葳.广东工业大学 2019
[3]基于神经网络和遗传算法的干道相位差仿真优化研究[D]. 曹涛涛.西南交通大学 2019
[4]基于BP神经网络的河流黑臭水体评价及对策研究[D]. 崔晓彤.青岛理工大学 2018
[5]主成分分析-BP神经网络法在漳河水质评价中的联合应用[D]. 高爽.河北工程大学 2018
[6]一种基于人工神经网络的地表水质预测方法[D]. 刘宇同.哈尔滨工程大学 2017
[7]基于TOPSIS法的水环境质量评价研究[D]. 程佩瑄.兰州大学 2014
[8]一种改进的遗传算法及应用[D]. 李延梅.华南理工大学 2012
[9]自适应遗传算法的改进研究及其应用[D]. 陈超.华南理工大学 2011
[10]系统模糊集理论在水环境系统——水质评价中的应用[D]. 王涛.大连理工大学 2002
本文编号：3320381
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3320381.html
