基于BP神经网络的雨水人工湿地水质预测模型及其与SWMM的耦合应用

发布时间：2024-01-25 17:41

　　城市径流污染给城市受纳水体造成诸多负面环境影响。随着雨水管理措施逐渐由工程化向生态化转化,人工湿地越来越多地用于削减城市径流污染。在雨水湿地设计之初,利用相关模型根据其服务区域的径流污染负荷对其水质净化效果进行预测是保障雨水湿地设计科学性、经济性的前提。目前,雨水湿地污染物净化效果预测模型存在着参数复杂、准确度不高、缺乏与动态降雨过程产生的污染负荷耦合等不足。因此,本研究构建了BP神经网络模型。研究应用多种变量筛选方法(主成分分析、逐步回归分析、平均影响值分析)对诸多影响雨水湿地污染物去除的因素进行筛选,得出对于雨水湿地污染物净化效果预测最重要、最具代表性的因素作为输入变量,以简化模型对于输入参数的要求,构建了SS、TCOD、TN、TP浓度的BP神经网络模型,用于预测雨水湿地出水;在此基础上,构建了融合山地城市陡坡特征的BP神经网络模型,研究了山地城市雨水湿地“跌水式”进口对雨水径流当中SS、TCOD、TN、TP去除的影响;针对监测数据可能存在的丰富度不足、数据分布不均衡等不利因素,耦合统计学马尔可夫链模型,对BP神经网络模型预测结果进行了修正,提高了预测模型的可靠性;将模型与城市分布...

【文章页数】：88 页

【学位级别】：硕士

图1.1M-P神经元模型

图1.2单隐层神经网络[42]

图1.3技术路线图

图2.1雨水湿地位置

本文编号：3885263