灰色模型理论对长江次级河流水质污染的短期预测模拟

基于长江支流临江河的2009年～2010年1年的现场监测数据,采用灰色理论预测模型对临江河的水质指标化学需氧量(CODMn),总氮(TN),总磷(TP)变化进行动态模拟预测,并通过matlab编程实现模型计算。所建模型经过相对误差精度检验表明,预测结果与实测值吻合较好,具有一定的可行性和适应性。

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。