论文部分内容阅读
近年来,国家政府和人们越来越重视流域环境污染给我们带来的影响。流域环境污染对社会的危害已成为当今社会极为关注的热点问题。流域水体污染程度的评价不仅是制定治理措施、选择治理技术的前提,也是建立污染预警系统的需要,是评价政策和技术实施效果的依据。流域污染状况调查结果表明,各大流域沿江已形成狭长的污染带,特别是重庆主城区、涪陵、万州和宜昌近岸水域水质普遍被污染。污染信息错综复杂,当务之急,如何利用与捕捉环境信息,综合各种污染物的含量、迁移、转化的数据信息,显得特别重要；而进一步的数据挖掘分析,找出了关键的流域预警信息中各因子与污染的相关性,获取污染预警信息的共性和特征,挖掘出隐藏规律和模式应该是当今流域研究主题。本文主要研究工作包括以下几方面：(1)介绍了人工神经网络和GA的基本理论,针对遗传算法和BP神经网络各自的优越点和局限性特点,提出了基于多元线性回归与BP神经网络GA优化的混合算法,弥补权值和阀值选择上的随机性缺陷,提高预警模型的整体拟合精度。(2)根据国家环保局官方网站以及统计年鉴上实时监测到的数据,进行收集与整理,在此基础上并构建优化网络模型的输入输出变量,建立基于多元线性回归与BP神经网络GA优化的混合模型,通过Matlab语言进行程序的实现,对河流流域污染等级进行仿真预测,并与传统BP神经网络、多元线性回归方法的预测结果对比分析,检测模型的准确度与有效性。(3)利用GA-BP全局优化神经网络模型的方法对松花江河流流域污染水质等级进行趋势与预测,检验预测结果与监测数据的吻合度,此优化网络模型具有实际应用价值。(4)构建基于ArcView GIS的流域预警可视化平台,构建空间与属性数据库,将平台与预测模型相结合,发挥各自特点,达到最优化设计。将通过数据挖掘平台挖掘到的信息进行可视化呈现,将GIS技术应用与流域环境并在此基础上实现信息预警,对流域环境进行监测与防治。