水體污染物含量建模與預測方法研究.pdf

1、我國水資源雖然總量比較豐富，但是由于人口眾多，人均水資源占有量卻很低。同時，由于水資源在時間和空間上分布的不均勻，導致季節(jié)性和地域性的水資源緊張。隨著社會、經(jīng)濟的發(fā)展，有限的水資源受到污染的程度越來越嚴重。因此，為了經(jīng)濟的可持續(xù)發(fā)展和人民生活質量的提高，對水體污染物的預測變得非常重要。本論文研究采用神經(jīng)網(wǎng)絡和支持向量機進行水體污染物含量建模與預測方法研究。將水體污染物含量構成的樣本點，分別利用BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡和支持向量回歸來

2、進行建模預測。
　　 實驗研究以京杭大運河揚州段的高錳酸鹽指數(shù)(CODMn)和生物耗氧量(BOD)為研究對象。具體地，1986-2008年，各觀測點一年12月的平均值作為當年的CODMn值所組成的樣本集為BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡的建模研究對象；2004-2008年每年1、3、5、7、9，11月份，各觀測點的平均BOD值組成的樣本集為支持向量機建模研究對象。
　　 實驗研究結果表明，在樣本數(shù)目有限的情況下，BP神經(jīng)網(wǎng)絡

3、、RBF神經(jīng)網(wǎng)絡和支持向量回歸的網(wǎng)絡輸出與水體污染物實際值之間的誤差在可以接受的范圍，取得了較為滿意的結果。可以進一步應用于實際水體污染的檢測。
　　 為進一步提高水體污染建模與預測水平和資源共享，采用Microsoft VisualStudio2005和Microsoft SQL Server2005開發(fā)了用于相關專家之間進行交流的論壇系統(tǒng)。系統(tǒng)共包括17個功能子模塊，采用B/S結構體系。系統(tǒng)基于游客、注冊用戶，版主和管理員四