用BP网络预测州西湖富营养化的短期变化趋势.pdfVIP

V浙江大学硕士掌位论文 摘要 随着人工神经网络理论的发展和计算机处理能力的日益增强，人工神经网络 己越来越普遍地被应用于复杂系统的预测模型中。本研究选用了含三层网络结 营养化状况。 规监测的水生生态数据。用主成分分析法选取了最能代表西湖水质状况的7号点 (湖心)作为研究对象，并用该方法筛选了部分水质参数，作为BP网络的输入 变量。同时，用插值的方法生成足够多的样本数，解决了本研究中样本不充足的 问题。运用BP人工神经网络找出最能反映西湖富营养化状况变化趋势的水质因 子，建立最佳的网络方案，预测西湖富营养化状况(叶绿素a的浓度)的短期变 化趋势。并用3号点(中山码头)的数据检验了网络的泛化性能，发现网络输出 值与实际值吻合度较高。结果表明，水温和叶绿素a是影响未来一周的叶绿素a 含量的最重要的水质因子，以这两者作为输入变量建立的网络简单、快捷，比其 他线性数值模拟预测有较大的优势。说明人工神经网络模型能有效合理的模拟富 营养化进程中的非线性行为，并能成功预测西湖水体中叶绿素a的含量的短期变 化趋势，可为西湖富营养化治理提供科学依据。 关键词：富营养化；BP人工神经网络；短期预测；叶绿素a；西湖 2 ￥浙盈大掌硕士掌位论叉 Abstract Artificial ale to neuralnetworks moreandmorecommonbeusedin becoming of modelsfor asthe behindthem prediction theory development complexsystems andthe of increases．Athree develops processingpowercomputers layer feedforward wasusedtomodelthe Levenberg-Marquardtlearningalgorithin inWestLake． eutrophicationprocess have 8 and We established inWest collectedthe samplingspots Lakej aquatic Lakeroutine 7which data(2000．1—-2001．4)ofWestby spot measurement．Selecting carimost thewater statusofitas and thewater represent quality studyob-ectfiltrating asthe for network qualityparametersinputs