基于BP人工神经网络的大庆水库水质预测研究

论文摘要

近年来随着原水污染的日益严重,建立原水水质预警系统迫在眉睫。本研究采用大庆水库水自动监测站的水质监测数据,主要研究BP神经网络模型对大庆水库水质的预测性能,重点探讨了水库冰封期对水源水质预测的影响作用,并与其他常用模型作了对比,为该市水源水质预警系统的建立提供技术支持,同时也为其它寒冷地区水源地水质预测提供参考。本文确定了BP神经网络作为本次水质预测所用的模型;根据当地水厂的运行情况选择了水质预测参数,作为BP神经网络的网络输出;对原始数据进行灰色关联分析,确定了BP神经网络的输入变量;通过不同参数之间的对比确定了BP神经网络的训练及运行参数。通过对网络预测效果的分析得出BP神经网络能够较好地对该水库水质进行预测,但是数据规律的变化及数据样本数量的不足对预测结果会产生一定的影响。大庆水库处于我国东北寒冷地区,每年有大约半年时间处于冰封期。本文根据大庆水库的这一特点,将原始的数据分为非冰封期与冰封期两个部分进行分析,分别建立BP神经网络,最后得出结论:对于进入冰封期后数据的变化规律有了改变的水质参数,将数据分类后再建立模型能够提升BP网络的预测效果,而对于其他的水质参数,盲目分类只会减少训练样本的数量,使网络训练不充分,造成不能对水质指标进行准确的预测。本文还建立了自回归模型(AR)与灰色预测模型这两种常见的水质预测模型,并与BP神经网络模型做了对比。AR模型在处理复杂曲线的能力上不如BP神经网络,且模型阶数一般较高,但是当曲线的变化较为平缓时AR模型的预测效果更好;灰色预测模型则并不适用于变化幅度较大的水质预测。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源与意义
• 1.1.1 我国水源水质的现状
• 1.1.2 水质预警的涵义与类别
• 1.2 水质预测研究方法现状
• 1.2.1 数理统计法
• 1.2.2 灰色模型预测法
• 1.2.3 神经网络模型预测法
• 1.2.4 水质模拟模型法
• 1.2.5 混沌理论预测法
• 1.2.6 各种预测方法优缺点的比较
• 1.3 人工神经网络简介
• 1.3.1 人工神经网络的概念
• 1.3.2 人工神经网络的发展历史
• 1.3.3 利用神经网络进行水质预测的优点
• 第2章 大庆水库概况及预测方法的确定
• 2.1 水质预测模型的数据来源
• 2.1.1 大庆水库基本情况
• 2.1.2 大庆水库水自动监测站简介
• 2.2 水质预测方法的确定
• 2.3 BP神经网络的网络结构及数学描述
• 2.3.1 BP神经网络的网络结构
• 2.3.2 BP神经网络的数学描述
• 2.4 本章小结
• 第3章 利用BP神经网络建立水质预测模型
• 3.1 建模所用软件的选择
• 3.2 建立神经网络水质预测模型的基本步骤
• 3.2.1 确定待预测的水质参数
• 3.2.2 确定模型的输入变量
• 3.2.3 原始数据的预处理
• 3.2.4 确定神经网络的各项参数
• 3.2.5 对BP神经网络进行训练
• 3.2.6 验证模型的训练效果
• 3.2.7 利用神经网络进行水质预测
• 3.3 水质预测参数的确定
• 3.4 模型输入变量的选择
• 3.4.1 灰色系统的定义
• 3.4.2 灰色关联度简介
• 3.4.3 灰色关联度的计算
• 3.4.4 水质监测数据的灰色关联分析
• 3.5 原始数据的预处理
• 3.6 BP神经网络各项网络参数的确定
• 3.6.1 训练样本与验证样本的确定
• 3.6.2 训练函数的选取
• 3.6.3 隐层数与隐层节点数的选择
• 3.6.4 网络延迟的选择
• 3.6.5 训练次数的选择
• 3.6.6 BP神经网络模型对浊度的预测
• 3.6.7 BP神经网络模型对氨氮的预测
• 3.7 模型误差分析
• 3.8 本章小结
• 第4章 依照气候特征对BP神经网络模型进行修正
• 4.1 数据分类
• 4.2 非冰封期的水质预测
• 4.2.1 对浊度的预测
• 4.2.2 对氨氮的预测
• 4.3 冰封期的水质预测
• 4.3.1 对浊度的预测
• 4.3.2 对氨氮的预测
• 4.4 对分类效果的分析
• 4.5 本章小结
• 第5章 BP神经网络模型与其它水质预测模型的分析对比
• 5.1 时间序列模型
• 5.1.1 模型定义
• 5.1.2 AR模型的参数估计
• 5.1.3 利用AR模型进行水质预测
• 5.2 灰色预测模型
• 5.2.1 建模方法
• 5.2.2 利用灰色预测模型进行水质预测
• 5.3 BP神经网络与其它水质模型的预测效果对比
• 5.3.1 对非冰封期浊度的预测效果对比
• 5.3.2 对冰封期浊度的预测效果对比
• 5.3.3 对氨氮的预测效果对比
• 5.3.4 最佳预测模型的选择
• 5.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢