MATLAB神经网络在湖库富营养化程度评价中的应用

基于MATLAB神经网络和我国湖库富营养化评价标准,运用人工神经网络模式识别理论和方法,分别建立了BP,PNN,GRNN和Elman神经网络湖泊富营养化等级评价模型,对全国24个主要湖泊富营养化程度进行评价,并与文献[5]和文献[9]的评价结果进行比较.结果表明:基于MATLAB神经网络模型评价湖库富营养化程度是可行的,且评价模型简单易行,评价精度高,为湖库富营养化程度评价提供了一种新方法.

曲靖市地表水水质变化趋势分析

结合曲靖市地表水水质污染特点,应用季节性Kendall检验法,对2005—2015年曲靖市主要江河湖库地表水水质指标变化趋势进行分析评价。结果表明:曲靖市境内的主要河流湖库总体水质有所好转,特别是南盘江干流水体水质主要污染项目COD_(Mn)、NH3-N、BOD5呈下降趋势,牛栏江水质整体较好,但受上游牛栏江—滇池调水工程的影响,河道新鲜水源补充减少,牛栏江水质略呈上升趋势,其他河流水体水质总体变化不大,水库TN总体呈上升趋势。

云南省九大高原湖泊营养状态综合对比评价分析

基于主成分分析理论和SPSS统计软件,建立湖泊富营养综合评价模型,以云南省九大高原湖泊为例,对滇池等九大高原湖泊营养状态进行综合评价,并与指数评价法评价结果作对比分析。结果表明:基于主成分分析法的湖库营养状态综合评价能较好地反映云南省九大高原湖泊营养状态,综合评价结果优于指数法。

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEOWeibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m3之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。