水质预测理论模式研究进展与趋势分析

文章根据水质预测模式所依据的理论基础不同,将现有水质预测模型归纳为数理统计预测法、灰色系统理论预测法、神经网络模型预测法、水质模拟模型预测法和基于混沌理论的水质预测法等5大类;并对水质预测模式的可能发展趋势作了简要分析与讨论。     

优化神经网络模型在水质预测中的运用

针对当前河道水质资料不健全且难以监测及预警的现状,提出了将神经网络模型运用于河道水质预测分析.运用神经网络模型对河道水质指标实测数据进行优化处理,深入分析水质指标数据,并建立神经网络预测模型.在此基础上,采用归一化和遗传算法两种方法对神经网络模型进行优化,并将优化模型和原神经网络模型分别运用于水质指标数据的预测.结果表明:优化后的神经网络模型可以实现对水质的预测,优化前神经网络模型的预测误差为8.57%,而采用归一化和遗传算法优化后的神经网络模型预测精度分别提高了6.36%和6.73%.同时分析得到了不同水质指标对叶绿素浓度值影响程度按大小依次为氨氮、溶解氧、高锰酸钾指数、pH值、温度.     

基于GABP技术的PCA弥苴河水质预测

针对传统的水质预测方法中由于因子的多重相关性而造成的预测精度偏低的问题,提出了一种将主成分分析法(PCA)和遗传算法优化的BP神经网络(GABP)相耦合的水质预测方法.利用主成分分析法提取对水质因子影响较强的综合成分,克服了传统水质预测方法中信息冗余的问题.在对大理弥苴河水质进行大量实际监测的基础上,分别采用PCA-GABP神经网络,GABP神经网络以及传统的BP神经网络3种模型的方法,建立了弥苴河水质高锰酸盐指数的的预测模型.通过数据预处理,筛选了600组数据进行训练学习和测试.通过对3个模型的预测误差分析对比,可以得出PCA-GABP神经网络预测模型精度更高.     

MATLAB神经网络工具箱在河流水质预测中的应用

根据计算河流水质的数学模型,使用MATLAB神经网络工具箱建立了河流水质预测系统的神经网络,并以长期监测的珠江流域东江水质状况为例,对建立的网络系统进行了仿真,结果表明了方法的有效性．     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.     

可变结构神经网络在未来水质参数预测中的应用

介绍BP神经网络预测水质参数的基础上,结合变结构网络设计的思维方法,给出了可变结构BP神经网络在水质参数预测中的应用过程.并且,对两种预测算法作了比较,结果显示,变结构BP神经网络的预测精度更高.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型,对涡北井田地下水水质进行了评价,并与灰色聚类结果进行了比较。结果表明,BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价地下水水质简便可靠,预测精度高,具有通用性和客观性。     

MATLAB GUI工具与RBF神经网络在数据预测中的应用

径向基神经网络是一种典型的局部逼近神经网络,使用MATLAB神经网络工具箱的GUI工具可以很容易地建立RBF神经网络,并对建立的网络进行初始化、训练、仿真和应用的各种操作,界面非常友好直观,在解决河流水质预测问题时仿真结果证明了该方法具有较高的预测精度,且方法简便、适用对象范围广。     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于LSSVM-MC和模糊神经网络的综合水质预测

水质预测模型可以及时有效的为水质预警提供依据,从而及时采取应对措施。因而研究预测精确以及输出结果简单直观的水质预测模型是个核心问题。最小二乘支持向量机是近年来兴起的一种新型算法,是研究复杂非线性和人工智能等学科的前沿方法,在许多水质预测之中也有所应用,此方法大多应用于单因子预测,缺少对水质的综合解释,本研究通过使用T-S模糊神经网络方法,将LSSVM单因子预测作为输入驱动,水质的综合评价作为输出,较好的解决了单因子对水质状况解释不够的问题,证明了LSSVM的单因子预测可作为T-S模糊神经的输入数据,研究表明LSSVM结合T-S模糊神经网络方法,预测结果基本符合实际水质状况,拟合程度较高,能为水质监测管理提供有效依据。     

基于空间相关性和神经网络模型的实时河流水质预测模型

基于高频水质在线监测数据,利用水质数据的空间相关性构建神经网络模型实现对河流水质的实时预测.应用此模型对广州市白坭河流域的水质参数溶解氧和氨氮进行预测和分析,验证水质模型的效果.根据预测时间的不同,搭建6种水质预测模型,结果显示溶解氧提前6小时预测的模型具有更好的预测效果,氨氮提前24小时内预测的水质模型效果较好.训练...     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

基于概率神经网络的产品质量预测方法研究

对通过正交试验法采集样本数据、采用概率神经网络（PNN）对产品质量进行预测的方法进行研究．并将预测结果与反向传播神经网络（BP）预测结果进行比较。结果表明，在利用正交试验法采集的训练样本数据分别训练PNN和BP网络后发现，概率神经网络的预测准确度远远大于反向传播神经网络，显示了概率神经网络在模式识别领域的优势。     

地下水水质预测的有机灰色神经网络方法

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,结合灰色理论中的GM（1,1）,和灰色残差GM（1,1）和RBF神经网络的特点,提出一种新的灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构。以某地区地下水水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高。     

基于模糊神经网络的汉江水质评价

水质评价对于水质维护和进行决策有着极其重要的作用。本文考虑到水文学的模糊性和其内在的非线性特点,将模糊理论与神经网络相结合建立模型,对汉江水质进行评价。通过实验验证了该模型的有效性和准确性,为水质评价和预测提供科学客观的方法。     

改进的CS-GRNN模型在城市需水量预测中的应用

为了更加准确地预测城市需水量,提出一种基于改进布谷鸟算法优化广义回归神经网络模型的城市需水量预测方法.该方法采用改进的布谷鸟算法对广义回归神经网络的平滑因子进行优化,建立改进布谷鸟算法优化的广义回归神经网络模型(ICS-GRNN),并应用于南宁市城市需水量预测中.通过使用南宁市2001—2012年城市需水量测试数据分别对传统GRNN法和ICS-GRNN法的预测结果进行比较,结果表明,该方法具有更高的预测精度和数据拟合能力.     

神经网络预测控制在污水处理溶解氧控制中的应用

针对污水处理过程溶解氧浓度时变设定值难以控制的问题,提出一种溶解氧浓度的神经网络预测控制器设计方法.首先,在活性污泥法污水处理过程通用机理模型基础上,利用系统的输入、输出数据,采用递推学习更新模式,通过三层BP神经网络训练出系统神经网络逼近模型.然后,设计满足出水水质指标的溶解氧约束预测控制器.在考虑溶解氧测量白噪音干扰和进水流量发生阶跃变化情况下,将所设计的控制器用于污水处理溶解氧浓度的时变设定值跟踪控制.仿真结果表明:与传统PID控制器相比,神经网络预测控制器能够显著提高溶解氧跟踪控制性能,具有更好的自适应性和抗干扰能力.     

基于BP神经网络的天津于桥水库CODMn预测研究

为了确保饮用水的安全,了解水源水质未来可能的变化趋势,为水质管理提供科学的依据,该文应用反向传播(BP)神经网络技术对天津于桥水库CODMn进行预测研究.在预测模型中采用LM算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力.人工神经网络样本集数据来源于2003～2005年的于桥水库日检测水质数据.为了更加有效地评估预测模型的准确性,该文把于桥水库的预测期分为丰雨期、封冻期和其它月份来分别考察预测效果.通过研究表明:于桥水库丰雨期预测效果最差,封冻期最好,其它月份介于两者之间,整体预测效果较好,可用于指导实际的水质管理.