水质型缺水地区水资源短缺预警模型研究

发布时间：2020-10-09 20:19

　　水资源预警是水资源管理理论系统中重要的组成部分。通过判别水资源系统出现的异常状况,评价水资源系统与国民经济发展的关系,水资源预警为水资源的可持续开发利用提供理论依据,具有重要的意义。我国南方城市大部分地区,特别是沿江、沿海经济发达城市,均面临着水质型缺水形势,针对水质型缺水地区开展水资源短缺预警,有着重要的现实意义。本文在参阅大量国内外相关文献的基础上,总结了水资源预警研究的发展过程。在分析水质型缺水的基本概念的基础上,提出了水质型缺水地区水资源短缺预警研究的基本思想。运用模糊模式识别判定缺水类型,对水质型缺水的影响因素作进一步分析,筛选出水质型缺水地区水资源短缺预警指标,构建预警指标体系,建立水质型缺水地区水资源短缺预警的模糊神经网络模型。最后以扬州市为例进行实例研究,对该地区2010-2014年水资源短缺作了预警分析,并提出相应的排警措施和建议。
【学位单位】：扬州大学
【学位级别】：硕士
【学位年份】：2011
【中图分类】：TV213.4
【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 水资源预警研究现状
        1.2.2 水质型缺水研究现状
    1.3 研究思路
        1.3.1 研究目标
        1.3.2 研究方法
        1.3.3 技术路线
    1.4 主要研究内容
2 水质型缺水地区水资源短缺预警基本理论
    2.1 水资源短缺影响因素
    2.2 水质型缺水的基本概念
        2.2.1 水质型缺水的定义
        2.2.2 水质型缺水的特征
        2.2.3 水质型缺水与其他缺水的关系
    2.3 预警的基本理论体系
        2.3.1 预警的定义
        2.3.2 预警的逻辑框架
        2.3.3 预警的基本方法
        2.3.4 预警指标体系
        2.3.5 预警警度划分
    2.4 水质型缺水地区水资源短缺预警的基本思想
3 水质型缺水地区水资源短缺预警指标体系的构建
    3.1 缺水类型的模糊模式识别
        3.1.1 模糊模式识别概述
        3.1.2 模糊模式识别模型的构建
    3.2 一般指标体系的构建
    3.3 预警指标的预测方法
        3.3.1 灰色预测
        3.3.2 人工神经网络
        3.3.3 系统动力学
4 水质型缺水地区水资源短缺预警FNN模型
    4.1 人工神经网络模型概述
        4.1.1 人工神经网络模型的特点
        4.1.2 人工神经网络的基本原理
    4.2 BP神经网络模型概述
        4.2.1 BP神经网络的基本结构
        4.2.2 BP神经网络的算法步骤
    4.3 模糊神经网络联接形态
    4.4 模糊BP神经网络模型
        4.4.1 样本指标和标准指标的模糊归一化
        4.4.2 训练样本
        4.4.3 网络结构
5 应用实例
    5.1 区域概况
        5.1.1 自然概况
        5.1.2 社会经济与行政
        5.1.3 水资源
        5.1.4 水资源开发利用
    5.2 水资源短缺预警
        5.2.1 缺水类型模糊模式识别
        5.2.2 水资源短缺预警指标的预测
        5.2.3 预警警度划分
        5.2.4 水资源短缺预警模型的建立与预警结果
        5.2.5 结果分析与排警建议
6 总结与展望
    6.1 成果总结
    6.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文

【参考文献】