基于人工智能方法的长春新立城水库水质分析及富营养化趋势研究

论文摘要

新立城水库是长春市的饮用水源地之一,其水质状况直接关系到长春市民的饮水安全。近年来在新立城水源保护区内出现了多种污染源,水库水质受到污染,特别是在2007年曾爆发了较大规模水华和富营养化。本文以新立城水库为研究对象,分析了水库近年来的水质变化特征,运用人工神经网络和支持向量机方法对该水库水质和富营养化进行评价和预测,取得良好的效果。在水质特征分析方面,根据历史监测数据对水库水质2008年和2009年进行了单因子评价法和模糊综合评价法等常规水质特征分析;运用支持向量机法对水库水质进行了分类,发现水库中游和坝前水质总体上为II水体,但在夏季水质降低到了III甚至IV类。在水质预测方面,运用神经网络和支持向量机对重点国家规划控制的COD,氨氮两个水质指标进行预测。在富营养化预测方面,通过人工神经网络插值的方法生成了足够的训练样本。经过神经元权重分析,确立三因子水质指标(总磷,温度,叶绿素a)与富营养化程度之间的关系。用前一周的水温、叶绿素a、总磷进行预测下一周的富营养化状况(叶绿素a的浓度)。通过人工神经网络建立了新立城水库大坝监测点的短期富营养化预测模型。经检验,同一监测点的预测误差小于7%,而另一监测点的误差小于20%。并用ε支持向量回归机训练了中游监测点的预测模型,训练得到的模型相关系数达到0.99以上,同一监测点10重交叉验证的误差小于7%,而同一监测点的平行数据检验误差达到0.5%。而利用大坝监测点插值后的数据验证其误差为60%,说明水库不同地方的富营养化变化趋势是不同的。两类方法的结果都令人满意,并且反应了人工神经网络和支持向量机各自的特点。所建立的富营养化预测模型可用于新立城水库富营养化的短期预警预报。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景及意义
• 1.2 湖库富营养化评价及趋势预测研究
• 1.3 神经网络在水环境评价与预测中应用研究
• 1.4 支持向量机在水环境评价与预测中应用研究
• 1.5 研究内容与技术路线
• 第2章 新立城水库水质现状评价及趋势预测
• 2.1 新立城水库水质特征
• 2.2 水质变化趋势分析
• 2.3 基于SVM的新立城水库水质变化趋势预测
• 2.4 本章小结
• 第3章 新立城水库水质富营养化评价
• 3.1 富营养化评价因子的选择
• 3.2 水库富营养化评价模型
• 3.3 新立城水库富营养化评价分析
• 3.4 本章小结
• 第4章 新立城水库富营养化预测
• 4.1 预测思路与可行性分析
• 4.2 基于BP神经网络的富营养化预测
• 4.3 BP神经网络训练与测试
• 4.4 BP神经网络确证与应用
• 4.5 基于支持向量回归机的富营养化预测
• 4.6 ε-SVR 预测模型训练与测试
• 4.7 ε-SVR 模型的检验和结果分析
• 4.8 本章小结
• 第5章 结论与建议
• 参考文献
• 致谢