基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

区域工业用水量非线性预测模型的优选

针对BP神经网络在确定输入因子时的任意性,将相关性分析引入BP神经网络输入因子的选取中,通过计算输入因子和输出因子之间的相关系数,并根据相关程度来确定输入因子,同时利用遗传算法优化BP神经网络的权值和阈值的方法,建立了改进BP神经网络模型.将该模型应用于永定河山区工业用水量预测中,通过和传统非线性回归法进行比较,结果表明改进BP神经网络拟合和预测精度均较高.改进BP神经网络法的平均相对误差达到1.4100/,预测的2010年和2030年工业用水量将分别达到3.63×108m3和4.46×108m3.预测结果可为水资源规划和管理提供依据.     

稳定塘内稻田降雨径流中氮磷输移的三维数值模拟

掌握污染物在农田排水稳定塘中的输移规律对控制农业面源污染具有重要意义.已有的研究主要集中在通过野外与室内试验监测探究稳定塘的污染物拦截效果与运行机制上,而缺乏对降雨径流过程中稳定塘内氮、磷污染物在三维空间输移的数值模拟研究.本文以多级农田排水稳定塘为研究对象,首先,对2015年水稻生长期内3场典型降雨进行了跟踪监测;然后,建立了多级稳定塘的三维水动力-水质迁移耦合模型,并应用坐标轮换法以实测数据进行了模型的参数率定;最后,对稻田降雨径流过程中稳定塘内氮磷的输移进行了三维数值模拟与模型验证,并探究了稳定塘分级数对氮磷拦截效果的影响.结果表明:率定后的模型各水质指标模拟值与实测值拟合较好;在降雨径流初期,总氮、总磷在垂向上表现为底层浓度大于表层浓度、横向上沿程浓度逐渐降低的规律;稳定塘级数的增加延长了水流停留时间,更有利于拦截氮、磷污染物.     

基于组合预测方法的海河流域生活用水量研究

针对用水量预测组合模型的优选问题,根据海河流域1988-2003年生活用水量时间序列的具体变化特征和拟合精度进行组合模型初选,并引入最优组合原理,确定组合权系数．所用的预测模型主要有回归模型、灰色模型和BP神经网络模型．以滦河分区和子牙河分区为例,计算的平均相对误差(MRE)分别为1．91％和1．54％, 2010年生活用水量将分别达到6．15×108m3和8．72×108 m3,2030年将分别达到7．37×108 m3和1.27×109 m3．结果表明,该方法提高了预测精度,可为水资源规划和管理提供依据．