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.     

最优化技术在地下水水质预测中的应用

一个合理的地下水水质模型必须充分考虑地下水环境系统和各种水文地球化学平衡对污染迁移的影响，这在数学处理上是个难点。本文采用最优化技术给出了这类问题的一种有效解法，并对沈阳市地下水水质进行了预测。     

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...     

河流水质模拟预测的统计建模研究——以湟水河小峡桥断面为例

以湟水河国控断面—小峡桥为例,基于Box-Jenkins方法的时间序列分析技术,对2009~2012年主要污染物月度数据进行建模分析,验证了污染物数据的时间序列特性,研究并选择了这四个序列的最佳ARMA模型,本文也通过模型对2013年的水质进行了预测,并与实际数据加以比较检验。模型实证分析的结果表明:在河流水质模拟预测方面,ARMA模型是一种精度较高且切实有效的方法模型.     

基于马尔柯夫模型的黄河三门峡河段水质预测

水质变化趋势预测是维护和管理当前水质状况的重要依据,影响水质的因素有物理、化学、水力学、生物学、气象学以及人类活动等多方面的因素,在时间和空间上存在相当多的影响变量,现有的基于数学表达式水质预测模型很难将这些因素都考虑进去,而且预测的是一个具体的数值.利用马尔柯夫链预测水质所处状态概率,实质上是预测水质指标带有一定置信水平的置信区间,在可以完全满足实际需要的前提下,扩大了预测的范围,相对的提高了预测的精度.文章介绍了马尔柯夫模型的基本原理,并且应用到黄河三门峡河段的水质预测中,总体效果基本满意.     

河流水质模型及其发展趋势

水质模型是进行环境水污染控制、水质规划和环境管理的有效工具.本文对河流水质模型的发展进行了简要介绍,比较详细的评述了河流水质模型及几个国际通用的综合水质模型.同时本文还着重对河流水质模型的发展趋势做出评价,特别是提出了对河流水质模型与虚拟现实(VR)技术结合这一应用前景.     

基于数理分析对长江水质的评价预测研究

长江水质污染日益严重,为了保护长江水资源,科学合理地预测长江水质对长江水资源的可持续发展具有重要意义。本文利用时间序列模型和多元线性回归模型预测了长江水质未来状况,并对长江水质预测结果进行了定性和定量的综合评价,分析得出未来五年长江水质污染的发展趋势。     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

水质数学模型的研究进展及其应用

水是人类社会最重要的不可替代的自然资源,对人类社会的存在和发展起着至关重要的作用。当前水体健康状况形势严峻,保护和改善水环境问题已成为国内外各界关注的一个热点。水质数学模型是一种利用数学语言来描述海洋、湖泊和河流污染过程中的物理、化学、生物化学及生物生态各方面之内在规律和相互联系的手段。水质模型不仅可以模拟、预测水质分布的现状及其随时间发展的变化规律,而且能够为进一步的水质监控、改善、调节、管理提供科学的依据和决策方案。系统地介绍了国内外水质模型的发展和研究动态、常用水质模型和应用实例。最后根据水质模型的研究历史和现状,对水质模型的最新发展趋势进行了预测和展望。     

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.     

基于自优化的多属性高斯核函数相关向量机方法

在相关向量机的预测模型中,核函数的选择和核参数的取值对模型预测性能影响很大.针对这一问题,文中采用多属性高斯核函数建立相关向量机预测模型,提出了一种自优化的核参数学习方法进行参数优化,并将该模型用于二维标准函数预测和污水处理系统出水水质预测,与不同核函数下的相关向量机模型以及不同参数优化方法下获得的预测模型进行了对比实验.结果表明,基于自优化的多属性高斯核相关向量机模型对低维数据的参数敏感度较低,对高维数据有良好的输出精度和稀疏性,在污水出水水质预测中获得比较满意的结果.     

水电站建设对河流水质影响的模型分析与研究

本文采用二维河流稳态水质混合模型分析和研究了冷水江市新建浪石滩水电站对资江水质的影响。研究表明：二维河流稳态水质混合模型可以对河流中污染物排放与河流水质的关系进行定量分析,从而有效地为河流水质污染预测提供依据。     

基于灰色理论的地下水水质预测

针对地下水水质难以预测的问题,运用灰色理论对地下水水质进行预测,并用Matlab语言编制了程序,通过对实例的计算,得到的预测值与实际值的对比,证明了该方法的可行性。同时评价了GM(1,1)模型与等维灰数递补模型对于非单调变化的地下水水质的预测精度。预测结果表明:在地下水水质非单调变化情况情况下,等维灰数递补模型的预测精度要优于常规灰色模型GM(1,1)。     

未来水环境预测评价方法探究

本文以福建青州造纸厂扩建工程对未来沙溪口水电站库区影响的预测为例,就未来水环境预测中,关于水质模型的选择,模式参数的识别以及数值模拟的方法等主要问题作了若干探讨和研究,阐明了作者关于未来水环境影响评价方法的一些初步设想和做法。     

窑河洼新灰场附近浅层地下水水质的预测

本文应用二维对流——弥散型水质模型,对窑河洼新灰场使用后,其附近浅层地下水水质进行了定量预测。预测结果表明,新灰场对周围浅层地下水水质影响的范围和程度是有限的。     

PSO-MLP模型预测降雨对府河氨氮的影响

为研究白洋淀上游的保定市区降雨径流对府河水质的影响,采用府河2019年、2020年的常规水质监测数据,基于粒子群算法（particle swarm optimization,PSO）和多层感知机（multi-Layer perceptron,MLP）建立PSO-MLP水质预测模型。分别使用PSO-MLP、MLP、一维水质模型进行对比预测。结果表明：PSO-MLP与一维水质模型相比,平均绝对误差相对降低64.5%~74.7%;与MLP模型相比,平均绝对误差相对降低6.6%~12.6%。选取2021年7月的一次典型降雨对府河膳马庙、安州和南刘庄3个控制断面进行预测,表明PSO-MLP泛化能力更强,预测误差更小,优于一维水质模型和 MLP模型。所建立的府河PSO-MLP水质预测模型,可以提前 4 h准确预测府河各断面氨氮浓度,平均绝对误差小于0.3 mg/L,可应用于保定市区降雨径流对府河水质污染的预测预警,避免降雨径流通过府河影响白洋淀水质。     

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.     

基于遗传算法与支持向量机的水质预测模型

水质预测是众多水务相关问题的重要内容之一,通过水质预测,可以发现水质恶化的预兆,方便决策者提前采取措施.依据常见的水质数据,使用基于遗传算法与支持向量机的水质预测模型在实际应用环境下自行适配污染物权重,提高预测准确率.本模型首先使用遗传算法,训练当前数据的特征权重向量,使得权重适配当前预测问题,然后使用该特征权重向量应用于SVM模型训练.在以重庆某污水处理厂数据为对象进行实验后,验证了该模型在实际应用中的可行性,为水质预测提供了一种新思路.     

华北衡水湖湿地的水质评价

为了综合防治湿地水环境污染,对华北衡水湖湿地的水质数据进行了评价。应用了4种不确定性模型(模糊模型、灰色模型、物元分析、人工神经网络法),分析了衡水湖湿地年内水位、水温、溶解氧浓度和氨氮浓度的变化。利用环境流体动力学模型(EFDC)模拟,与衡水湖2003年的实测水质监测数据进行比较。结果表明:衡水湖水质基本为四类水到五类水;与其他3种方法的评价结果相比,人工神经网络法能够较为客观的评价衡水湖湿地水质;EFDC模型可以应用于衡水湖的水环境模拟预测。