收藏本站
《三峡大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于ANN和SVM的三峡水库香溪河库湾富营养化预测研究

易仲强  
【摘要】:三峡水库蓄水后,库区水文条件发生明显改变,各支流回水区出现大面积水体富营养化现象,其显著特征是藻类暴发性增长引起水体叶绿素a浓度增加,因此,通过对叶绿素a浓度的模拟预测可以直观地反映出水体富营养化的变化态势。本文在分析香溪河库湾富营养化主要影响因子的基础上,分别采用人工神经网络和支持向量机方法建立模型对富营养化状况作了短期预测和预警。主要研究工作及成果如下: (1)收集、整理了依托三峡大学香溪河水生态与环境野外观测站获取的库湾2008~2010年水环境数据,分析了香溪河定点监测处水环境相关因子的时间序列变化,对三峡水库香溪河库湾的富营养化状况进行了探讨。 (2)依次运用主成分分析、指标聚类分析和灰色关联分析,从香溪河野外定点监测的18个水环境参数中,筛选出了与表征富营养化程度的叶绿素a浓度这一因子关联度大的Zeu/Zmix、TP、WT、TN/TP、D-Si和SD等6类影响富营养化的参数因子。 (3)以2008~2010年香溪河库湾水环境监测数据为基础,建立了香溪河富营养化GA-BP预测模型,用前一周的Zeu/Zmix、TP、WT、TN/TP、D-Si、SD和叶绿素a浓度等7个参数因子预测后一周的富营养化状况(叶绿素a浓度),模型检验结果表明,模型能大致反映叶绿素a浓度的变化趋势,但不能对其量值做出较准确的预测,预测效果不太令人满意。 (4)基于同样的数据建立了香溪河富营养化GA-SVM预测模型,预测模型较好地预测了叶绿素a浓度的变化趋势,预测值与实测值呈较强的线性相关关系,直线斜率为0.86,相关系数为R=0.97974。当香溪河发生富营养化时(叶绿素a浓度大于10mg/m3),模型预测的相对误差较小,模型预测的最小相对误差为6.49%,最大相对误差为27.94%,平均相对误差为14.75%;当香溪河未发生富营养化时(叶绿素a浓度小于10mg/m3),尽管模型预测的相对误差较大,但预测结果仍然能反映香溪河未发生富营养化的事实。 (5)从拟合和预测方面对两种预测方法做了对比,GA-SVM模型的拟合能力和预测能力均优于GA-BP模型,同时,GA-SVM模型具有更好的稳健性。GA-SVM模型的预测效果较好,能够用于香溪河水体叶绿素a浓度的短期预测。 (6)在郑丙辉等人所提出的三峡水库水体富营养化评价标准的基础上,提出了香溪河富营养化预警等级划分的方案,并采用叶绿素a浓度的预测值进行了预警,在10次预警中,8次预警结果真实准确,仅有2次预警结果的等级低于实际情况,预警效果良好。
【学位授予单位】:三峡大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:X832

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 齐连惠,张继群;基于神经网络的酸洗缓蚀剂构效关系研究[J];腐蚀科学与防护技术;2001年01期
2 谭章禄,桑卉;基于ANN的矿业组合优化方法研究与应用[J];中国矿业;1999年06期
3 王贤坤,段东滨,吴少年;基于神经网络技术的冲压工艺方案决策系统研究[J];机械与电子;2003年01期
4 张青,王全生,彭建良;基于神经网络的煤矿企业经营绩效评价研究[J];煤炭学报;2002年02期
5 白明,吴彦,王宁会;基于BP-ANN放电等离子体脱硫过程建模及优化控制[J];化工自动化及仪表;2003年05期
6 王德润,谢广祥,华心祝,孟祥瑞,余忠林;综放工作面生产能力预测研究[J];安徽理工大学学报(自然科学版);2003年01期
7 叶智慧,余艾地,汤毅,李新连;基于人工神经元网络(ANN)实现的轮胎硫化最优化过程控制[J];橡胶技术与装备;1997年06期
8 徐宏,王成立,刘剑洪,田德余;有机化合物热力学性质的预测(Ⅲ)——人工神经网络法预测烷烃的生成焓[J];广州化学;2000年03期
9 叶加冕,陈孝华,黄德镛;ANN在采矿方法技经指标预测中的应用研究[J];云南冶金;2003年01期
10 霍东云;聂峰光;郭力;;利用Medline文摘数据库研究文本分类[J];计算机与应用化学;2007年09期
中国重要会议论文全文数据库 前10条
1 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
3 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
4 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
6 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
7 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
8 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
9 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
中国重要报纸全文数据库 前10条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 ;独家专访惠普执行副总裁Ann livermore[N];中国计算机报;2011年
3 本报记者魏惠娟;天津夏利射门中国轿车出线[N];中国经营报;2002年
4 本报记者高鹏;夏利凭什么驶进美国 [N];中华工商时报;2002年
5 自治区交通厅养路费征稽处 程爱娟;应用“神经网络模型”预测妇女的平均工资水平[N];新疆科技报(汉);2000年
6 记者王政;天津夏利批量出口美国[N];人民日报;2002年
7 本报记者 陈金国 张炤虎;夏利出洋意义和差距都不小[N];中国经营报;2002年
8 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
9 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
10 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年
中国博士学位论文全文数据库 前10条
1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
2 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
3 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
4 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
5 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年
6 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
7 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年
8 王金林;基于混沌时间序列和SVM的入侵检测系统研究[D];天津大学;2010年
9 包鑫;稳健回归技术及其在光谱分析中的应用[D];浙江大学;2010年
10 渐令;基于核的学习算法与应用[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 雷培源;基于ANN和SVM的sEMG信号分解[D];中国科学技术大学;2010年
2 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
3 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
4 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
5 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
6 曹云生;基于支持向量机(SVM)的森林生态系统健康评价及预警[D];河北农业大学;2011年
7 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年
8 姚玉;基于GA-SVM算法的细胞色素酶P450突变预测[D];上海交通大学;2011年
9 陈燃燃;基于SVM算法的web分类研究与实现[D];北京邮电大学;2010年
10 陈卓;基于聚类和SVM主动反馈的图像检索方法[D];重庆大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026