我國作為一個干旱、缺水的國家,水污染問題也很突出。水質(zhì)評價便是對水資源的質(zhì)量等級做出評價。水質(zhì)環(huán)境復雜多變,存在著大量的微生物和化學物質(zhì),增加了水質(zhì)評價的難度。BP神經(jīng)網(wǎng)絡是現(xiàn)階段應用最為廣泛的神經(jīng)網(wǎng)絡模型之一。其自適應性、自學習性和分布式處理的能力在水質(zhì)評價中已經(jīng)得到了較好的應用。但是BP神經(jīng)網(wǎng)絡自身存在著一些缺點,會導致評價結果的不準確。因此需要尋找一個更加優(yōu)秀的水質(zhì)評價方法。本文對基于BP神經(jīng)網(wǎng)絡的水質(zhì)評價模型進行實驗和研究,希望找出更好的水質(zhì)評價方法。研究中,發(fā)現(xiàn)遺傳算法具有強大的宏觀搜索功能,可以解決BP神經(jīng)網(wǎng)絡的局部極值問題,而自適應遺傳算法可以提高收斂速度、優(yōu)化學習效果。在實驗上,分別用BP神經(jīng)網(wǎng)絡和用以上兩種方法優(yōu)化后的BP神經(jīng)網(wǎng)絡分別對水質(zhì)進行了評價,結果顯示自適應遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡對水質(zhì)的評價取得了良好的評價效果。得出結論,使用自適應遺傳算法優(yōu)化原有的水質(zhì)評價方法能夠更好地為我國各流域斷面水質(zhì)做出評價,在水質(zhì)評價中有著很好的適用價值,為水資源保護提供了數(shù)據(jù)基礎。 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

圖１．１水質(zhì)評價模型??

?第２章我國地表水水質(zhì)狀況???鐮２０丨７年?豳２０１８年??會?３．１個??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１類?劣ｖ＿類??圖２．１?２０１８年全國地表水水質(zhì)類別年際比較??長江、黃河、珠江、松花江、淮河、海河、遼河七大流域和浙閩片河流、??西北諸河、西南諸河監(jiān)測的１６１３個水質(zhì)斷面中，一類占５．０％，二類占４３．０％，??三類占２６．３％，四類占１４．４％，五類占４．５％，劣五類占６．９％。圖２．２為２０１８??年全國流域總體水質(zhì)狀況。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??圖２．２?２０１８年全國流域總體水質(zhì)狀況??與２０１７年相比，在統(tǒng)計的監(jiān)測點水質(zhì)評價結果中，一類占比增加了?２．８個??百分點，二類增加了?６．３個百分點，三類減少了?６．６個百分點，四類減少了?０．２??個百分點，五類減少了?０．７個百分點，劣五類減少了?１．５個百分點。圖２．３為２０１８??年全國流域總體水質(zhì)狀況年際比較。??９??

?第２章我國地表水水質(zhì)狀況???鐮２０丨７年?豳２０１８年??會?３．１個??＾?Ｖ?ｒＴ＃?＞５．??Ｈｒ?｜?Ｖ??〇?Ｉ?■?■?？?■???雛—一—??１？丨丨１類?劣ｖ＿類??圖２．１?２０１８年全國地表水水質(zhì)類別年際比較??長江、黃河、珠江、松花江、淮河、海河、遼河七大流域和浙閩片河流、??西北諸河、西南諸河監(jiān)測的１６１３個水質(zhì)斷面中，一類占５．０％，二類占４３．０％，??三類占２６．３％，四類占１４．４％，五類占４．５％，劣五類占６．９％。圖２．２為２０１８??年全國流域總體水質(zhì)狀況。??Ｍ?５〇％??缺?＠?４３．０％??２０１８％：?？?ＨＩ？?２６．３％??ＩＶ＊?１４１％??？Ｖ．炎?４，％??？劣Ｖ究?６９％??圖２．２?２０１８年全國流域總體水質(zhì)狀況??與２０１７年相比，在統(tǒng)計的監(jiān)測點水質(zhì)評價結果中，一類占比增加了?２．８個??百分點，二類增加了?６．３個百分點，三類減少了?６．６個百分點，四類減少了?０．２??個百分點，五類減少了?０．７個百分點，劣五類減少了?１．５個百分點。圖２．３為２０１８??年全國流域總體水質(zhì)狀況年際比較。??９??

【參考文獻】：
期刊論文
[1]基于遺傳算法優(yōu)化前饋神經(jīng)網(wǎng)絡模型的配電網(wǎng)短期負荷預測[J]. 陳浩,戴欣.  科技創(chuàng)新與應用. 2020(05)
[2]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的管道泄漏檢測方法研究[J]. 燕宗偉,李平,郎憲明,劉浩宇.  當代化工. 2020(01)
[3]基于改進GA的神經(jīng)網(wǎng)絡航班保障時間估計[J]. 邢志偉,韓大浩,羅謙.  計算機工程與設計. 2020(01)
[4]基于BP神經(jīng)網(wǎng)絡的桃林口水庫水質(zhì)預測[J]. 趙林,戴天驕,陳亮,馮琛雅,劉琦,趙明杰.  安徽農(nóng)業(yè)科學. 2019(24)
[5]遺傳算法變異算子的改進[J]. 王春陽,趙玉慶,謝金興,蘇本堂.  山東農(nóng)業(yè)大學學報(自然科學版). 2019(05)
[6]人工神經(jīng)網(wǎng)絡研究與分析[J]. 祝凌云.  科技傳播. 2019(12)
[7]談遺傳算法[J]. 孫俊麗.  辦公自動化. 2019(12)
[8]類腦機的思想與體系結構綜述[J]. 黃鐵軍,余肇飛,劉怡俊.  計算機研究與發(fā)展. 2019(06)
[9]基于退火算法優(yōu)化的BP神經(jīng)網(wǎng)絡的電力通信網(wǎng)業(yè)務可靠性評價[J]. 董彥軍,劉平,辛銳,李超.  微型電腦應用. 2019(05)
[10]深度學習神經(jīng)網(wǎng)絡的新型自適應激活函數(shù)[J]. 劉宇晴,王天昊,徐旭.  吉林大學學報(理學版). 2019(04)

博士論文
[1]多功能農(nóng)業(yè)與中國農(nóng)業(yè)政策研究[D]. 姬亞嵐.西北大學 2007

碩士論文
[1]基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡對房價預測的研究[D]. 高文.延安大學 2019
[2]遺傳算法優(yōu)化神經(jīng)網(wǎng)絡在供水管網(wǎng)中的應用[D]. 鄧葳.廣東工業(yè)大學 2019
[3]基于神經(jīng)網(wǎng)絡和遺傳算法的干道相位差仿真優(yōu)化研究[D]. 曹濤濤.西南交通大學 2019
[4]基于BP神經(jīng)網(wǎng)絡的河流黑臭水體評價及對策研究[D]. 崔曉彤.青島理工大學 2018
[5]主成分分析-BP神經(jīng)網(wǎng)絡法在漳河水質(zhì)評價中的聯(lián)合應用[D]. 高爽.河北工程大學 2018
[6]一種基于人工神經(jīng)網(wǎng)絡的地表水質(zhì)預測方法[D]. 劉宇同.哈爾濱工程大學 2017
[7]基于TOPSIS法的水環(huán)境質(zhì)量評價研究[D]. 程佩瑄.蘭州大學 2014
[8]一種改進的遺傳算法及應用[D]. 李延梅.華南理工大學 2012
[9]自適應遺傳算法的改進研究及其應用[D]. 陳超.華南理工大學 2011
[10]系統(tǒng)模糊集理論在水環(huán)境系統(tǒng)——水質(zhì)評價中的應用[D]. 王濤.大連理工大學 2002



本文編號：3320381