改进的BP人工神经网络算法模型在水体重金属预测中的应用

发布时间：2023-03-04 16:44

　　水质预测是保障供水安全性的一项重要工作,通过一定手段对水源地水质未来一段时间的变化趋势加以预测评估,可以较为清楚地掌握水质可能的变化。特别是对于未来水质可能受污染而变差的情况,通过预测分析后能够提前采取相应措施,使水质变化对供水安全性的影响降到最低。由于水体环境非常复杂,各个水质因素之间的影响关系不明确,因此以建模为主要特征的传统水质预测方式普遍存在着操作繁琐、预测精度不高等问题。为了解决这些问题,本文提出了采用以智能计算为基础的BP人工神经网络算法对水质进行预测。依靠BP人工神经网络算法强大的非线性映射能力和自动学习、适应能力来分析处理复杂的水质关系。但在实际操作中,发现BP人工神经网络算法因为自身结构的特点,在误差反向传递过程中各连接层的权值阈值往往存在较大的调整幅度和次数,这一缺点使算法在运行过程中容易陷入局部最优解从而降低预测的精度。同时,在选择BP人工神经网络算法的输入层自变量时,因为水质监测指标众多,对于需选取指标的种类和数量没有明确的规定,选取的指标越多,虽然越能反映水体的真实情况,但也增加了许多不必要的信息,容易使算法对这些无关信息也进行学习,降低预测的精度,同时原始数...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 论文背景和意义
    1.2 国内外研究现状
        1.2.1 传统的水质预测方法
        1.2.2 现代水质预测方法
    1.3 人工神经网络简介
        1.3.1 人工神经网络的概念和特点
        1.3.2 人工神经网络的发展历程及未来趋势
        1.3.3 人工神经元模型
    1.4 研究内容及技术路线
        1.4.1 研究内容
        1.4.2 技术路线
2 水源水质及水质标准
    2.1 水源水质
    2.2 不同原水水质特点
    2.3 水质标准
        2.3.1 地表水环境质量标准
    2.4 水体环境系统的主要特点
    2.5 本章总结
3 BP人工神经网络算法
    3.1 概述
    3.2 BP人工神经网络算法的结构
    3.3 BP人工神经网络算法的训练过程
    3.4 BP人工神经网络算法的缺陷及改进方式
        3.4.1 BP人工神经网络算法的缺陷
        3.4.2 BP人工神经网络算法的改进方式
    3.5 本章总结
4 遗传算法概述
    4.1 遗传算法的概念
        4.1.1 遗传算法的定义
        4.1.2 基本思想
        4.1.3 遗传算法的特点
    4.2 遗传算法的基本要素
        4.2.1 遗传算法的编码机制
        4.2.2 初始种群的设定
        4.2.3 适应度函数
        4.2.4 遗传操作
        4.2.5 遗传控制参数的选择
        4.2.6 基本遗传算法的步骤
    4.3 遗传算法的应用
    4.4 本章总结
5 改进的BP人工神经网络算法
    5.1 概述
    5.2 输入层的优化
        5.2.1 皮尔逊相关系数法
        5.2.2 信息指标评价法
    5.3 连接层权值、阈值的优化
        5.3.1 优化的意义
        5.3.2 优化流程
    5.4 本章总结
6 工程实例
    6.1 实验工具及数据来源简介
        6.1.1 MATLAB中的神经网络工具箱
        6.1.2 MATLAB下的遗传算法工具箱
        6.1.3 工程实例数据来源
    6.2 传统水质预测方法设计
    6.3 传统BP人工神经网络算法设计及仿真分析
        6.3.1 数据归一化
        6.3.2 BP人工神经网络算法结构设计
        6.3.3 初始参数的选取
        6.3.4 仿真实验及结果分析
    6.4 改进的BP人工神经网络算法建模及仿真分析
        6.4.1 输入层节点选择的改进及BP人工神经网络算法结构的建立
        6.4.2 遗传算法优化BP算法的建模及仿真
    6.5 结果分析
    6.6 本章总结
7 总结和展望
    7.1 总结
    7.2 展望
参考文献
附录
    A.学位论文数据集
致谢



本文编号：3754631