基于組合模型的水質預測和評價研究.pdf

1、隨著水污染的日益嚴重，水環(huán)境問題已成為阻礙中國經濟社會可持續(xù)發(fā)展的重大因素。如何治理水污染并對水資源進行科學、有效的管理是一個極為重要的課題。而對水質的可靠評價以及對水質污染指標的準確預測是水資源管理和水污染治理中的關鍵環(huán)節(jié)，也是難點所在。因此，本文利用黃河流域蘭州新城橋斷面和長江流域四川攀枝花龍洞斷面的相關水質數據，建立了水質評價模型并提出一種新的水質預測模型，為水資源管理和水污染治理提供相應的參考。
　　在水質評價模型建立過程

2、中，本文依據《地表水環(huán)境質量標準》(GB3838-2002)規(guī)定的各水質指標分級標準，利用等隔均勻分布內插水質指標數據的方式來構建研究樣本，采用分層抽樣的方法確定訓練樣本，并運用T-S模糊神經網絡建立了水質評價模型。將訓練好的該模型分別運用到兩個斷面的水質評價中，評價結果和真實水質等級的高吻合率表明了該水質評價模型的有效性和良好的泛化能力。
　　在水質預測中，由于水質指標數據的隨機性、波動性、非線性等特征，單一水質預測模型難以達到

3、較高的精度，因此本文提出一種新的組合預測模型。該模型將差分自回歸移動平均模型(ARIMA)和小波神經網絡(WNN)進行組合，并利用蝙蝠算法(BA)尋找各單一模型的最優(yōu)權重。對黃河流域蘭州新城橋斷面和長江流域四川攀枝花龍洞斷面的各水質指標分別建立組合預測模型，將預測結果與組合模型中的各單一模型和常用的BP神經網絡、最小二乘支持向量機(LSSVM)的預測結果進行對比，結果表明本文提出的組合模型預測精度高，效果更好。最后將該組合模型預測出的水