近些年,隨著我國社會和全球經(jīng)濟(jì)發(fā)生跨越式的發(fā)展,水資源嚴(yán)重污染的情況也日趨嚴(yán)峻,管理并有效的保護(hù)好各個地區(qū)流域的水質(zhì)和生態(tài)環(huán)境對可持續(xù)發(fā)展有著非常重要的戰(zhàn)略意義。對流域水質(zhì)進(jìn)行正確的預(yù)測是水資源保護(hù)的重要手段,本文以美國舊金山灣流域5個觀測站2001年至2015年的主要水質(zhì)參數(shù)溶解氧（DO）、鹽度（Salinity）、溫度（Temperature）數(shù)據(jù)為研究對象,對舊金山灣流域水質(zhì)進(jìn)行預(yù)測研究。為改善水質(zhì)預(yù)測方法,本文提出了改進(jìn)智能算法的水質(zhì)預(yù)測方法。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的算法在適用性及誤差控制等多種性能上具有一定的優(yōu)勢。本文采用的人工智能算法與數(shù)據(jù)分析技術(shù)對舊金山灣地表水質(zhì)數(shù)據(jù)進(jìn)行研究,分析得到對研究區(qū)地表水質(zhì)狀況影響較大的因素,進(jìn)而建立有效的水質(zhì)預(yù)測模型。本文主要完成以下幾方面的工作:1.針對研究課題情況的復(fù)雜性,首先對國內(nèi)外水質(zhì)預(yù)測研究現(xiàn)狀進(jìn)行分析。通過前期的資料分析過程,發(fā)現(xiàn)地表水質(zhì)預(yù)測的一些相關(guān)問題,為本文的科學(xué)研究工作奠定了基礎(chǔ)。2.針對不同的經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行了相關(guān)的研究工作,主要包括EMD方法、EEMD方法以及CEEMD方法,本文對這些經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行了原理介紹... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【部分圖文】：

LSTM記憶單元結(jié)構(gòu)

第5章實(shí)例仿真16第5章實(shí)例仿真5.1研究區(qū)概況舊金山灣，地理坐標(biāo)（37°48"0""N，122°25"0""W），該河口灣被譽(yù)為世界最佳天然港灣之一。近些年，該灣區(qū)的城市人口數(shù)逐年增加，人們的用水量也在不斷的增加，該區(qū)域水質(zhì)的優(yōu)劣將直接影響到當(dāng)?shù)鼐用竦慕】禒顩r。本文研究目標(biāo)是對舊金山灣的5個地表水質(zhì)采樣站點(diǎn)進(jìn)行水質(zhì)預(yù)測研究，收集數(shù)據(jù)分析舊金山灣水質(zhì)在時間和空間維度的變化。下圖5.1為舊金山灣地區(qū)的整體位置分布衛(wèi)星圖以及本文研究區(qū)采樣站點(diǎn)的分布情況：圖5.1采樣站點(diǎn)整體位置分布

第5章實(shí)例仿真22表5-6各站點(diǎn)檢驗(yàn)結(jié)果采樣站點(diǎn)ADF值P值臨界值：1%臨界值：5%臨界值：10%2-5.240-3.44-2.86-2.573-5.260-3.43-2.86-2.574-4.510-3.44-2.86-2.575-5.480-3.44-2.86-2.576-5.600-3.44-2.86-2.57對五個采樣站點(diǎn)的水質(zhì)數(shù)據(jù)進(jìn)行了統(tǒng)計檢驗(yàn)，由上表可以發(fā)現(xiàn)每個采樣站點(diǎn)的ADF值均為負(fù)值，而且這些站點(diǎn)的ADF值均小于3種置信水平臨界值的結(jié)果，即該時間序列是平穩(wěn)的。綜上所述，該水質(zhì)原始數(shù)據(jù)為平穩(wěn)數(shù)據(jù)，符合時間序列的基本標(biāo)準(zhǔn)，同時滿足本實(shí)驗(yàn)的基本要求。5.2.4數(shù)據(jù)清洗首先將原始數(shù)據(jù)的時間信息整合為一個日期來統(tǒng)一表示，目的是在使用Python軟件時可以統(tǒng)一的調(diào)用算法程序，同時可以有效的控制實(shí)驗(yàn)誤差。需要刪除數(shù)據(jù)集中一些分散的空值，對于少量的缺失值，根據(jù)本文的數(shù)據(jù)集與研究對象，采用五位移動平均法進(jìn)行數(shù)據(jù)補(bǔ)齊，公式如（5-3）所示。123455ooooooxxxxxx（5-3）簡言之，通過刪除錯誤值，填補(bǔ)缺失值從而完成數(shù)據(jù)清洗工作。下圖5.6～5.10分別為2號～6號采樣站點(diǎn)實(shí)測數(shù)據(jù)清洗后的時序圖，5個采樣站點(diǎn)數(shù)據(jù)均采用相同的處理方法。圖5.6采樣站點(diǎn)為2號的數(shù)據(jù)清洗后時序圖

【參考文獻(xiàn)】：
期刊論文
[1]基于綜合權(quán)重和改進(jìn)物元可拓評價模型的地下水水質(zhì)評價[J]. 虞未江,賈超,狄勝同,李康,袁涵.  吉林大學(xué)學(xué)報(地球科學(xué)版). 2019(02)
[2]基于KNN-LSTM的短時交通流預(yù)測[J]. 羅向龍,李丹陽,楊彧,張生瑞.  北京工業(yè)大學(xué)學(xué)報. 2018(12)
[3]關(guān)于深度學(xué)習(xí)的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學(xué)工.  智能系統(tǒng)學(xué)報. 2019(01)
[4]基于EEMD的車輛微動信號提取及分類[J]. 林萍,陳華杰,林封笑.  傳感器與微系統(tǒng). 2017(10)
[5]基于PLSR自適應(yīng)深度信念網(wǎng)絡(luò)的出水總磷預(yù)測[J]. 王功明,李文靜,喬俊飛.  化工學(xué)報. 2017(05)
[6]EEMD與RBF神經(jīng)網(wǎng)絡(luò)的太陽黑子月均值預(yù)測[J]. 孫堂樂,李國輝.  計算機(jī)工程與應(yīng)用. 2017(24)
[7]錢塘江感潮河段污染物遷移擴(kuò)散數(shù)值分析[J]. 何振強(qiáng),方詩標(biāo),陳永明,孫志林.  環(huán)境科學(xué)學(xué)報. 2017(05)
[8]基于灰色系統(tǒng)與線性回歸方法的水質(zhì)預(yù)測[J]. 張潔,楊慶,趙杰.  城市地質(zhì). 2015(04)
[9]基于深度學(xué)習(xí)的湖庫藻類水華預(yù)測研究[J]. 姚俊楊,許繼平,王小藝,黃振芳.  計算機(jī)與應(yīng)用化學(xué). 2015(10)
[10]改進(jìn)物元可拓法在水閘工程安全綜合評估中的應(yīng)用[J]. 韓彰,陳健,李經(jīng)緯,甘醇.  水力發(fā)電. 2015(04)

博士論文
[1]模態(tài)域信號處理在水聲中的應(yīng)用[D]. 李關(guān)防.哈爾濱工程大學(xué) 2009

碩士論文
[1]基于WNN和EEMD的電網(wǎng)諧波檢測方法研究[D]. 王飛剛.湖南工業(yè)大學(xué) 2019
[2]基于深度學(xué)習(xí)的交通預(yù)測技術(shù)及其在通信中的應(yīng)用研究[D]. 張文剛.西南交通大學(xué) 2018
[3]基于混合數(shù)學(xué)模型的巢湖水質(zhì)預(yù)測與評價[D]. 王靜.蘭州大學(xué) 2018
[4]基于遺傳算法與集成學(xué)習(xí)的停車位預(yù)測算法研究[D]. 盧旭旺.吉林大學(xué) 2018
[5]基于Copula的汾河上游水文干旱頻率的多時間尺度分析[D]. 任璐.太原理工大學(xué) 2016
[6]基于時頻分析的管道泄漏信號故障診斷研究[D]. 李子茜.東北石油大學(xué) 2016
[7]基于Hilbert-Huang變換的高頻數(shù)據(jù)波動率的估計[D]. 周明眉.長春工業(yè)大學(xué) 2016
[8]水質(zhì)預(yù)測的粒計算求解與深度學(xué)習(xí)方法[D]. 田亞蘭.重慶郵電大學(xué) 2016



本文編號：3038791