优秀论文太湖流域水质的预测与防治策略(论文资料).pdfVIP

江师范大学数学建模研究会 2005 校竞赛获奖论文集 （本文为一等奖） 太湖流域水质的预测与防治策略 浙江师范大学数学建模研究会 冯 婷 陈 彬 陈 斌 摘要：本文通过对太湖水质的各项指标值的回归拟合求解得到所遗失的数据，并对即将到来的 5 月 份的太湖水质各项指标指数进行预测。 对于问题一，利用灰色系统理论建立灰色模型，将所要求的断面7 所缺失的第1～7、9 周的各 项指标数看作是需要预测的数值，利用建立的灰色模型求出初步的预测值。再以这些数据作为三层 BP 网络的输入元通过网络的训练确定网络的最佳权值与阀值，从而求得更加精确的数据。在此基础 上，建立太湖水质评价模型得到这几周的断面7 的水质类别，利用两层BP 神经网络拟合得到所要求 的第1～6 周时间内断面7 的水质变化曲线 （见文中的图2、4、5、6、7）。 对于问题二，沿用问题一的思路，把未知的各个断面的第7、9周的各个指标数作为需要预测的 数值，利用第1～6周已知数据通过灰色模型求得预测值后再利用灰色神经网络模型求解较为精确的 结果，从而求得各个断面在第7、9周的各项指标的数值。同时，本文依据时间序列的相关理论建立 时间序列模型，求得结果。通过对两个结果的比较，最终给出最精确的数据 （具体结果见文中表3、 4）。 对于问题三，由于指标中DO指标受人为因素影响较大，故采取灰色神经网络模型给出相应的预 测值 （具体结果见文中表5、6、7、8）。 由于本文中的各个指标数以及各个断面之间存在着千丝万缕的关系，因此若利用传统的线性回 归模型加 求解，模型过于复杂、所需数据过多且精确度较低。本文在灰色预测算法的基础上结合 BP 神经网络建立灰色神经网络模型。所谓灰色预测算法就是从杂乱无章的、有限的、离散的数据中 找出数据的规律，从而确定一条通过系统的原始序列累加生成的点群的最佳拟合曲线，计算简便合 理。同时为了弥补灰色算法预测值的误差较大的问题，本文将灰色模型所得值导入到三层BP 神经网 络中，从而得到更加精确的预测值。同时结合时间序列模型，通过对比修正解得的数据，使得结果 更加精确。同时本文利用模糊数学的知识建立了关于太湖水质类别评价的模型，较为科学、准确地 根据各项指标数求得各个断面的水质状况。 最后，通过对影响模型的因素和太湖水域水质现状的分析，并根据模型所得结果总结了关于太 湖水质的治理及防治的几点建议。 关键词：太湖 灰色预测算法 灰色神经网络 水质评价 1.问题背景 为了能够及时全面的掌握主要流域重点断面水体的水质状况，预警或预报重大 （流域性）水质 污染事故，需要对水质进行实时连续监测和远程监控。为此，从1999 年9 月开始至2003 年12 月， 国家环保总局在松花江、辽河、海河、黄河、淮河、长江、珠江、太湖、巢湖、滇 等流域建设了 82 个水质自动监测站。监测项目为五参数 （水温、pH、DO、TB 及EC）、高锰酸盐指数、氨氮和TOC 八项指标。 PDF 文件使用 FinePrint pdfFactory Pro 试用版本创建 近年来，太湖的水资源污染问题受到 方的关注。根据给出太湖流域7 个断面2005 年第1 周至 第16 周的各项水质监测数据，解决如下问题： 1. 在第1－6 周断面7：斜路港河 （苏- 省界），由于某种原因未获得数据，根据有关数据推 测该断时间内断面7 的水质变化曲线； 2. 因数据处理过程中的失误，将第7 周、第9 周的数据遗失，试通过数学知识模拟该时间段的 数据； 3. 根据所给数据预测2005 年第18 周、第20 周的断面水