水質預測是保障供水安全性的一項重要工作,通過一定手段對水源地水質未來一段時間的變化趨勢加以預測評估,可以較為清楚地掌握水質可能的變化。特別是對于未來水質可能受污染而變差的情況,通過預測分析后能夠提前采取相應措施,使水質變化對供水安全性的影響降到最低。由于水體環(huán)境非常復雜,各個水質因素之間的影響關系不明確,因此以建模為主要特征的傳統(tǒng)水質預測方式普遍存在著操作繁瑣、預測精度不高等問題。為了解決這些問題,本文提出了采用以智能計算為基礎的BP人工神經(jīng)網(wǎng)絡算法對水質進行預測。依靠BP人工神經(jīng)網(wǎng)絡算法強大的非線性映射能力和自動學習、適應能力來分析處理復雜的水質關系。但在實際操作中,發(fā)現(xiàn)BP人工神經(jīng)網(wǎng)絡算法因為自身結構的特點,在誤差反向傳遞過程中各連接層的權值閾值往往存在較大的調整幅度和次數(shù),這一缺點使算法在運行過程中容易陷入局部最優(yōu)解從而降低預測的精度。同時,在選擇BP人工神經(jīng)網(wǎng)絡算法的輸入層自變量時,因為水質監(jiān)測指標眾多,對于需選取指標的種類和數(shù)量沒有明確的規(guī)定,選取的指標越多,雖然越能反映水體的真實情況,但也增加了許多不必要的信息,容易使算法對這些無關信息也進行學習,降低預測的精度,同時原始數(shù)...

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的水質預測方法
        1.2.2 現(xiàn)代水質預測方法
    1.3 人工神經(jīng)網(wǎng)絡簡介
        1.3.1 人工神經(jīng)網(wǎng)絡的概念和特點
        1.3.2 人工神經(jīng)網(wǎng)絡的發(fā)展歷程及未來趨勢
        1.3.3 人工神經(jīng)元模型
    1.4 研究內容及技術路線
        1.4.1 研究內容
        1.4.2 技術路線
2 水源水質及水質標準
    2.1 水源水質
    2.2 不同原水水質特點
    2.3 水質標準
        2.3.1 地表水環(huán)境質量標準
    2.4 水體環(huán)境系統(tǒng)的主要特點
    2.5 本章總結
3 BP人工神經(jīng)網(wǎng)絡算法
    3.1 概述
    3.2 BP人工神經(jīng)網(wǎng)絡算法的結構
    3.3 BP人工神經(jīng)網(wǎng)絡算法的訓練過程
    3.4 BP人工神經(jīng)網(wǎng)絡算法的缺陷及改進方式
        3.4.1 BP人工神經(jīng)網(wǎng)絡算法的缺陷
        3.4.2 BP人工神經(jīng)網(wǎng)絡算法的改進方式
    3.5 本章總結
4 遺傳算法概述
    4.1 遺傳算法的概念
        4.1.1 遺傳算法的定義
        4.1.2 基本思想
        4.1.3 遺傳算法的特點
    4.2 遺傳算法的基本要素
        4.2.1 遺傳算法的編碼機制
        4.2.2 初始種群的設定
        4.2.3 適應度函數(shù)
        4.2.4 遺傳操作
        4.2.5 遺傳控制參數(shù)的選擇
        4.2.6 基本遺傳算法的步驟
    4.3 遺傳算法的應用
    4.4 本章總結
5 改進的BP人工神經(jīng)網(wǎng)絡算法
    5.1 概述
    5.2 輸入層的優(yōu)化
        5.2.1 皮爾遜相關系數(shù)法
        5.2.2 信息指標評價法
    5.3 連接層權值、閾值的優(yōu)化
        5.3.1 優(yōu)化的意義
        5.3.2 優(yōu)化流程
    5.4 本章總結
6 工程實例
    6.1 實驗工具及數(shù)據(jù)來源簡介
        6.1.1 MATLAB中的神經(jīng)網(wǎng)絡工具箱
        6.1.2 MATLAB下的遺傳算法工具箱
        6.1.3 工程實例數(shù)據(jù)來源
    6.2 傳統(tǒng)水質預測方法設計
    6.3 傳統(tǒng)BP人工神經(jīng)網(wǎng)絡算法設計及仿真分析
        6.3.1 數(shù)據(jù)歸一化
        6.3.2 BP人工神經(jīng)網(wǎng)絡算法結構設計
        6.3.3 初始參數(shù)的選取
        6.3.4 仿真實驗及結果分析
    6.4 改進的BP人工神經(jīng)網(wǎng)絡算法建模及仿真分析
        6.4.1 輸入層節(jié)點選擇的改進及BP人工神經(jīng)網(wǎng)絡算法結構的建立
        6.4.2 遺傳算法優(yōu)化BP算法的建模及仿真
    6.5 結果分析
    6.6 本章總結
7 總結和展望
    7.1 總結
    7.2 展望
參考文獻
附錄
    A.學位論文數(shù)據(jù)集
致謝



本文編號：3754631