基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测

论文摘要

运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。

论文目录

• 1 SSA—遗传算法反向传播 （GABP） 神经网络模型构建
•   1.1 SSA
•   1.2 GABP神经网络模型
• 2 湘江新港断面水质的模型检验与预测
•   2.1 数据来源与预处理
•   2.2 SSA结果
•   2.3 水质预测精度检验
•   2.4 水质指标发展趋势与分析
• 3结语

文章来源

类型: 期刊论文

作者: 金昌盛,邓仁健,刘俞希,任伯帜

关键词: 湘江,水质预测,奇异谱分析,遗传算法,神经网络

来源: 环境污染与防治 2019年06期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 湖南科技大学土木工程学院,湖南科技大学商学院

基金: 国家自然科学基金资助项目(No.41672350),湖南省教育厅科学研究项目(No.18A184)

分类号: X52

DOI: 10.15985/j.cnki.1001-3865.2019.06.019

页码: 710-713+719

总页数: 5

文件大小: 1143K

下载量: 194