ANN在海州露天矿区地下水水质评价与预测中的应用分析.pdf

致 谢 在本论文的写作过程中，我要特别感谢我的导师刘志斌教授。从论文的选题、资料的 收集、结构的布局、论文的修改到最终的定稿都凝聚着导师的心血，感谢您在研究生期间 对我的培养和教育。导师渊博的专业知识，严谨的治学态度，精益求精的工作作风，诲人 不倦的高尚师德，严以律己、宽以待人的崇高风范，朴实无华、平易近人的人格魅力对我 影响深远，让我看到了一个导师的人格魅力，这些都是我在以后工作和学习中的一个奋斗 目标。同时我还要感谢在读研期间给我极大关心和支持的各位老师以及关心我的同学和朋 友，你们的鼓励是我的动力源泉。 最后感谢在百忙之中抽出宝贵时间对论文进行评审的各位评审老师，请老师批评、指 正。 摘 要 本文主要应用 RBF 神经网络方法与 Elman 神经网络方法分别对阜新海洲露天矿矿区 地下水水质进行了评价与预测。 在评价方面：首先构建了网络模型，以归一化后的标准矩阵为训练样本，利用 matlab 软件辅助确定模型的最佳隐层神经元数及目标误差，然后进行网络训练，最后把实测数据 作为测试样本输入，得出评价结果。由结果可知，该矿区地下水的污染较为严重，总体为 Ⅳ~ Ⅴ类水质，主要污染因子为无机盐类。 在预测方面：选取 9#监测点近 10 年的监测数据为输入样本，其中前 6 组为训练样本， 后 4 组为测试样本，通过建模、训练、结构确证和测试，得到客观可行的预测模型。预测 结果表明，随着年限的增加，该区地下水的污染情况会越来越重。15 年后，除了 Fe3+浓度 没有出现超标情况外，其余六种因子均有不同程度的超标情况。并且为了防止污染的进一 步加剧，必须实施有效的防护措施。 关键词：人工神经网络；海州露天矿；地下水；评价；预测 - I - Abstract This article mainly applies RBF and Elman artificial neural network to assessing and predicting the ground water quality of Haizhou open-cut mining in Fuxin. In the assessment: the network models are built, the normalized standard matrix was taken as training sample, the best hidden nodes and the goal error are determined by matlab test, which can make the network achieve a relatively best performance; Then, training the established network and using the monitoring data as test samples to obtain the evaluation result. By result, the ground water of this mining was seriously polluted, class of its pollution is Ⅳ- Ⅴ,and the main factor is inorganic salt. In the prediction: Take the last ten years monitoring data of ninth point as samples, the first six groups of datas were selected for training samples, and the last four for testing samples. By interpolation, training, verifying and testing the model, a feasible and objective prediction model is obtained. The prediction result shows that with