基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl-a进行小波分析,将原序列分解成一个低频概貌分量和多个高频细节分量,再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量;模型Ⅱ则对低频部分和高频部分分别进行预测,最后汇总各分网络输出得到最终结果。对确证集预测时,模型Ⅰ的平均误差为4.4%,模型Ⅱ仅为1.9%,且误差范围较模型Ⅰ小,表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测,预测值与实际值的平均相对误差为6.4%,并选取3号点(中山码头)进行模型的泛化,平均相对误差为6.9%,取得了较理想的预测效果,说明小波神经网络能成功预测西湖水体中Chl-a含量的短期变化趋势,为西湖水质管理提供科学依据。

引水后杭州西湖主要水质参数的因子分析

利用2000年西湖常规监测数据,通过聚类分析选取三个具有代表性的采样点, 用因子分析方法探讨了西湖水质各个参数之间的相互影响.结果表明,西湖水质主要受水温和营 养盐的影响,各水域由于所处的地理位置和受到钱塘江引水影响程度的不同又有各自的主要水质 影响因子,说明引水工程对改善西湖水质具有一定的作用.