基于神經網絡和支持向量機的水華預測方法研究與應用.pdf

1、水華的形成是水環(huán)境污染的典型問題，其中涉及到很多不確定的影響因素，難以建立統一的數學模型對其進行有效的預測和分析。近年來，廣大學者從機理建模和智能預測兩方面分別對水華預測方法進行研究，水華預測已成為水華研究的重點之一。 本文針對水華預測難的問題，基于水華機理的特點，分別提出了基于Elman神經網絡的水華短期預測方法和基于最小二乘支持向量機的水華中期預測方法，初步建立了比較完整的水華預測系統，為水華預測探索了新的智能化研究方法。將

2、該系統應用于北京市河湖水華預測，并使用軟件混合編程，構筑系統的操作平臺，為北京市河湖水華的防治提供了全面實用的參考依據。 首先，基于水華暴發(fā)的機理，從實驗和理論兩方面綜合研究水華預測模型的輸入輸出變量。使用正交實驗和粗糙集分別分析水華的主要影響因素，確定將“總磷，總氮，水溫，光照，溶解氧和前一時刻的Chl_a”作為模型的輸入變量，Chl_a作為模型的輸出變量。為水華預測方法的研究奠定了堅實的基礎。 其次，針對水華機理中能

3、量隨時間積累的特點，提出基于反饋型Elman神經網絡的水華短期預測方法，使用改進結構和算法的Elman網絡建立預測模型，選擇不同時間間隔訓練和測試，并與常用的BP網絡模型進行對比，證明了Elman模型水華短期預測的準確性。 針對水華暴發(fā)具有時間序列的特性，提出基于最小二乘支持向量機的水華中期預測方法，最小二乘支持向量機是支持向量機的改進，研究最小二乘支持向量機的算法及其參數的選擇方法，并選取不同時間間隔進行預測，最后將支持向量機