首页> 中文学位 >主成分分析——BP神经网络法在漳河水质评价中的联合应用
【6h】

主成分分析——BP神经网络法在漳河水质评价中的联合应用

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究背景及研究意义

1.2 国内外水质评价方法的研究现状

1.2.1 水质评价方法的简介

1.2.2 国内水质评价方法的研究现状

1.2.3 国外水质评价方法的研究现状

1.3 研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

1.4 本章小结

第2章 漳河的水质现状及水质监测方法

2.1 漳河监测区域概况

2.1.1 漳河的基本情况

2.1.2 水质监测概况

2.2 本章小结

第3章 基于主成分分析的水质评价方法的研究

3.1 主成分分析

3.1.1 主成分分析原理

3.1.2 因子分析原理

3.2 基于主成分分析评价水质

3.2.1 指标数据缺失值的替换

3.2.1 指标数据标准化

3.2.3 因子分析

3.2.4 利用因子分析进行主成分分析

3.3 本章小结

第4章 BP神经网络水质模型的构建

4.1 神经网络的介绍

4.1.1 基本概念

4.1.2 基本概念

4.1.3 BP神经网络的特点

4.1.4 BP神经网络的算法

4.2 改进的BP神经网络的算法

4.3 基于改进BP神经网络的水质评价模型的建立

4.3.1 BP神经网络的构建

4.3.2 BP网络模型的建立

4.3.3 BP神经网络的训练

4.4 本章小结

第5章 基于主成分分析—BP神经网络法的漳河水质评价及污染预防措施

5.1 按月份和年平均值评价

5.2 评价结果分析

5.3 漳河水质污染预防措施

5.4 本章小结

结论

致谢

参考文献

作者简介

附表

展开▼

摘要

漳河是中国华北地区海河水系的南运河支流,是邯郸一条重要的水系,关系到社会民生和经济发展的命脉。但近些年来,随着邯郸市人口的不断增长和工业产业的迅速发展导致漳河的水质受到污染和河流流量减少,这已经严重影响到沿岸居民的日常生活和经济的发展。
  本文以漳河为研究对象,选取麻田,三省桥,合漳,观台,刘家庄作为监测断面,对其水体中的DO,高锰酸盐指数,BOD,氨氮,总磷,总氮,铜,锌,氟化物,硒,砷十一种水质指标进行定期监测,整理得到的数据结合主成分分析法和神经网络法对水质监测数据进行评价,得到精确的水质评价结果,获得具体的目标水体水质状况,分析水质变化原因,为漳河的水环境保护提供科学决策和依据。
  结合漳河的地形地貌、水利工程、水文条件等,对漳河的主要污染物进行网络构建并模拟研究,分析河流污染的主要成分,预测监测水体的水质类别,并进一步研究污染原因。研究主要得到以下主要结论:
  (1)本文选取漳河的麻田,三省桥,合漳,观台,刘家庄作为监测断面,对其水体中的DO,高锰酸盐指数,BOD,氨氮,总磷,总氮,铜,锌,氟化物,硒,砷11种水质指标进行主成分分析评价,依次得出评价结果。根据该5个站点水质数据的处理结果,漳河的水质主要和DO,高锰酸盐指数,总氮、铜,锌,硒有关,因此可以初步判定水质受到有机污染物和重金属的污染较为严重。
  (2)利用MATLAB软件构建BP神经网络模型,对漳河的的麻田,三省桥,合漳,观台,刘家庄5个监测断面进行模拟研究。网络基于5个断面主成分分析后的6个监测指标进行分析,对各监测断面的DO,高锰酸盐指数,总氮,铜,锌,硒6个指标的监测数据在MATLAB上进行水质评价结果的网络仿真,最终得出5个监测断面一年的水质评价结果。通过网络结果分析可知:漳河水质上游污染较轻,水质较好。通过主成分分析和BP神经网络模型对漳河水质的模拟结果分析,对该地区水质污染的情况进行研究评价分析,并预测出5个监测断面的水质类别,为漳河的污染治理提供研究方法和依据,也为漳河的利用开发提供参考。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号