基于BP神经网络的渭河水质评价方法

论文摘要

河流是陆地可利用淡水资源的最重要的组成部分,是离人们居住地和工作地最近的水体,是最易为人们获取的资源,也是最易受到人类影响和最易遭受污染的水体。目前世界各国的水质监测、水质管理和污染控制绝大部分都是针对河流水质的,我国的情况也不例外。在水环境质量评价领域中,BP神经网络和遗传算法（GA）这两种复杂非线性的人工智能科学的应用日益得到重视。本文分析评述了国内外河流水质评价研究发展,同时在分析阐述了BP神经网络和GA基本原理、算法和特点的基础上,将BP、GA两种技术引入水环境质量评价领域,建立了基于GA优选BP神经网络权值和阈值的渭河水质评价模型,实现综合水质评价,本论文研究的主要内容包括:（1）首先讨论了近年来水环境污染情况和水资源形势,同时把水质评价研究作为了水环境的一大课题,综述了国内外河流水质及其评价的研究进展,确立了以渭河陕西段水质评价为主要研究方向。（2）河流水质评价通过选定的水质参数得到一个水质类别,即实现从输入空间到输出空间的映射,要通过多个水质参数进行水质综合评价,则这种映射通常具有非线性的特点,所以本文引入了两种基于模拟生物学原理的人工智能技术,即BP神经网络和遗传算法,来更好地实现水质综合评价。论文阐述了BP神经网络和遗传算法的基础知识,包括两种技术的基本思想、学习算法及特点,继而对两种技术的工作原理和应用方式作了简要的说明,重点介绍了两种技术的基本流程;并充分利用遗传算法全局搜索功能强和BP神经网络局部搜索能力强的特点,将两种技术结合到一起,形成GA-BP技术,实现全局寻优和快速高效的目的。（3）通过河流水质评价概念,给出水质评价要求,最后根据江河水质评价的基本流程,分析比较了现有几种水质评价方法的优缺点,采用其中的单因子、主成分分析、BP神经网络、GA-BP四种评价法对渭河水质进行评价,并根据评价结果对这四种评价方法进行分析比较。结果表明,采用BP神经网络实现了非线性映射,可以根据多种水质参数给出较合理的评价结果,但是BP神经网络权值的学习采用梯度下降法易陷入局部极值。采用GA-BP模型,是基于GA找到最（次）佳的网络参数,继承了遗传算法强大的全局随机搜索能力,同时也继承了BP神经网络强大的局部搜索能力、并行处理、非线性优化和自组织自学习能力。所以用GA-BP模型进行水质评价在理论上可行,能够充分利用两者的优点,在实践上也有继续深入研究开发的价值,可以较好地实现水质综合评价,能从整体上准确、客观地反映河流水质情况,具有良好的应用前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 课题研究背景
• 1.1.2 课题研究的意义
• 1.2 国内外研究概况
• 1.2.1 全球河流水质研究进展
• 1.2.2 河流水质评价研究进展
• 1.3 本文的主要研究内容
• 第2章 BP神经网络和遗传算法基本理论
• 2.1 BP神经网络
• 2.1.1 BP神经网络简介
• 2.1.2 BP神经网络的基本理论
• 2.1.3 BP神经网络存在的问题及改进方法
• 2.1.4 BP神经网络建模基本要求
• 2.2 遗传算法
• 2.2.1 遗传算法简介
• 2.2.2 遗传算法的基本思想和目的
• 2.2.3 遗传算法的基本操作
• 2.2.4 遗传算法的运行过程
• 2.2.5 遗传算法的特点
• 2.3 GA-BP算法及流程图
• 2.3.1 编码
• 2.3.2 初始种群的设置和种群规模的设置
• 2.3.3 适应度函数
• 2.3.4 遗传操作
• 2.3.5 算法停止条件
• 2.3.6 GA-BP流程图
• 第3章 河流水质评价和现有水质评价方法
• 3.1 河流水质评价
• 3.1.1 河流水质评价概述
• 3.1.2 江河水质评价基本流程
• 3.2 现有水质评价方法及其比较
• 3.2.1 水质评价方法的分类
• 3.2.2 现有水质评价方法
• 3.4 本章小结
• 第4章 基于GA-BP模型的渭河水质评价
• 4.1 渭河水质评价前期工作
• 4.1.1 选择渭河水质评价的参数
• 4.1.2 确定评价标准
• 4.2 渭河水质评价
• 4.2.1 单因子评价法
• 4.2.2 主成分分析评价法
• 4.2.3 BP神经网络评价法
• 4.2.4 GA-BP神经网络评价法
• 4.3 渭河水质评价结果及比较
• 4.3.1 表征评价结果
• 4.3.2 提出评价结论
• 4.4 本章小结
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间研究成果