基于灰色模型的营口地区水库水质预测研究

发布时间：2020-11-09 03:41

　　 结合灰色模型对营口地区水质状况进行预测,并结合采样数据对比模型的适用性。分析结果表明:灰色模型在营口地区水库预测具有较好的适用性,水库总氮、总磷、COD5、及氨氮的预测误差均在30%以内,满足水质预测的精度要求。研究成果对于水库水质预测具有重要的方法参考价值。
【文章目录】：
1 概况
2 研究方法
3 研究成果
    3.1 研究区域概况
    3.2 模型参数设置
    3.2 COD5水质指标预测适用性分析
    3.3 氨氮水质指标水质指标预测适用性分析
    3.4 总氮水质指标水质指标预测适用性分析
    3.4 总磷水质指标预测适用性分析
3研究结论

【相似文献】

相关期刊论文 前10条

1 张书新;马旭东;陈慧颖;王众;;加权多核支持向量回归机在水质预测中的应用[J];通化师范学院学报;2016年10期

2 魏文秋,孙春鹏;灰色神经网络水质预测模型[J];武汉大学学报(工学版);1998年04期

3 刘阳;;灰色模型在水库水质预测中的应用研究[J];水土保持应用技术;2019年05期

4 郭栋生,袁小英,吴弢,吕晓军;万家寨引黄工程引水终端水质预测分析[J];环境化学;2002年03期

5 胡桂荣;;水质预测模式在环境质量监测中的应用研究[J];宁夏农林科技;2012年05期

6 郭德伟;韩光明;田秀丽;张士杰;王艳丽;;复杂边界河流水质预测计算[J];山东农业大学学报(自然科学版);2008年04期

7 吴贵华;;几种水质预测方法的比较分析[J];广东科技;2012年11期

8 李亚男;赵永哲;;基于人工神经网络的松花江朱顺屯断面的水质预测[J];黑龙江环境通报;2012年03期

9 马会利;尹华;佟守正;;长东北城市生态湿地公园水质预测及富营养化风险分析[J];长春理工大学学报(自然科学版);2011年04期

10 牛志广;张宏伟;刘洪波;;神经网络用于近海水质预测的研究[J];天津工业大学学报;2006年02期

相关博士学位论文 前10条

1 刘双印;基于计算智能的水产养殖水质预测预警方法研究[D];中国农业大学;2014年

2 于（王乐）;淮河蚌埠段水环境非线性特征分析与水质预测研究[D];合肥工业大学;2012年

3 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年

4 韩晓刚;城市水源水质风险评价及应急处理方法研究[D];西安建筑科技大学;2011年

5 李如忠;河流水环境系统不确定性问题研究[D];河海大学;2004年

6 沈晔娜;流域非点源污染过程动态模拟及其定量控制[D];浙江大学;2010年

7 董丽华;河流水质发展模型研究[D];天津大学;2010年

8 徐敏;基于复杂性理论的河湖环境系统模型研究[D];湖南大学;2007年

9 袁从贵;最小二乘支持向量回归及其在水质预测中的应用研究[D];广东工业大学;2012年

10 宋华兵;河涌水质非线性模型研究[D];广东工业大学;2013年

相关硕士学位论文 前10条

1 汤云;闽江流域水质时空分布特征分析及水质预测[D];福州大学;2018年

2 王嫄嫄;基于LSTM的水质预测方法研究[D];南京邮电大学;2019年

3 闫瑾;基于机器学习的水质预测研究[D];东北石油大学;2018年

4 谭承诚;基于相关向量机的水质预测研究[D];华南理工大学;2018年

5 王静;基于混合数学模型的巢湖水质预测与评价[D];兰州大学;2018年

6 李宣谕;基于人工智能对地表水的水质预测与评价研究[D];东北电力大学;2017年

7 刘洋;基于PLS和SVR的水质预测模型研究[D];昆明理工大学;2017年

8 刘宇同;一种基于人工神经网络的地表水质预测方法[D];哈尔滨工程大学;2017年

9 王菲;基于组合模型的水质预测和评价研究[D];兰州大学;2017年

10 洪美玲;基于改进神经网络的水质预测研究[D];昆明理工大学;2019年

本文编号：2875828