發(fā)布時間：2023-03-29 01:16

　　水質(zhì)預測是根據(jù)水質(zhì)歷史監(jiān)測數(shù)據(jù),運用預測模型對水質(zhì)未來的變化趨勢進行預測。水質(zhì)變化與水體污染息息相關(guān)。水質(zhì)預測是水環(huán)境污染防治中的一項基礎性工作,對促進水資源的可持續(xù)利用與及時的污染防治有著重要的現(xiàn)實意義,在防污預警系統(tǒng)、供水系統(tǒng)、泳灘水質(zhì)預報系統(tǒng)等發(fā)揮著積極作用。時間序列是指按照時間先后順序依次排列的一組觀測值,水質(zhì)監(jiān)測站所采集的水質(zhì)數(shù)據(jù)便是一種時間序列,隨季節(jié)呈現(xiàn)周期性變化,具有時序性。水環(huán)境是一個受多種因素影響的灰色系統(tǒng),各水質(zhì)指標在多種因素的相互作用下,具有復雜的多元相關(guān)性。本文在前人研究的基礎上,基于水質(zhì)數(shù)據(jù)的時序性,將常用于處理時序序列應用問題的長短期記憶神經(jīng)網(wǎng)絡(Long Short Term Memory Neural Network,LSTM NN)引入到水質(zhì)預測中,建立基于LSTM的水質(zhì)預測模型對水質(zhì)指標進行預測;基于水質(zhì)數(shù)據(jù)的多元相關(guān)性,使用一種改進灰色關(guān)聯(lián)分析算法(Improved Grey Relational Analysis,IGRA)對待預測水質(zhì)指標進行關(guān)聯(lián)分析,將選出的關(guān)聯(lián)指標與待預測水質(zhì)指標一同作為輸入特征進行預測。本文主要工作有如下:(1)本文對水...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容
    1.3 論文結(jié)構(gòu)安排
第二章 國內(nèi)外相關(guān)研究現(xiàn)狀綜述與分析
    2.1 水質(zhì)預測研究現(xiàn)狀綜述與分析
    2.2 LSTM研究現(xiàn)狀綜述與分析
    2.3 本章小結(jié)
第三章 基于LSTM的水質(zhì)預測方法
    3.1 基于LSTM的水質(zhì)預測模型構(gòu)建
    3.2 基于LSTM水質(zhì)預測模型計算
    3.3 基于LSTM水質(zhì)預測方法整體流程
    3.4 實驗與分析
        3.4.1 太湖數(shù)據(jù)集
        3.4.2 數(shù)據(jù)預處理
        3.4.3 預測結(jié)果
    3.5 本章小結(jié)
第四章 基于IGRA-LSTM的水質(zhì)預測方法
    4.1 基于IGRA-LSTM的水質(zhì)預測模型構(gòu)建
    4.2 基于IGRA的特征選擇
    4.3 基于IGRA-LSTM水質(zhì)預測方法整體流程
    4.4 實驗與分析
        4.4.1 Victoria數(shù)據(jù)集
        4.4.2 數(shù)據(jù)預處理
        4.4.3 特征選擇
        4.4.4 預測結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
附錄1 攻讀碩士學位期間發(fā)表的論文
附錄2 攻讀碩士學位期間發(fā)表的專利
附錄3 攻讀碩士學位期間參加的科研項目
致謝



本文編號：3773687