数学建模05全国二等其一..docVIP

论文点评：本文行文流畅，逻辑性强，运用多住模型对问题进行求解，结果丰富。缺点是摘要稍显冗长，应更简炼些。 全国数学建模竞赛二等奖论文 长江水质的评价和预测 周思达、徐倩、袁利军 指导教师：李远 摘 要 本文对长江水质进行评价并对其几个重要的指标进行预测。首先，基于《地表水环境质量标准》（GB3838-2002）（以下简称《标准》）的水质分类规范，以及《标准》提供的四项主要的水质评价指标，对长江近两年多来的水质情况做出评价，并分析了各个地区的污染状况。为保证以上评价的准确度，本文运用了具有自适应能力和自学习能力的BP神经网络模型，结合本问题的实际，使用由trainbp改进的trainbpx函数实现学习过程，并结合概率论知识进行检验，在很大程度上避免了BP神经网络模型的弱点。得出长江水质现状整体较好，但是有恶化的趋势的结果。然后本文研究了长江干流近一年高锰酸盐和氨氮污染源的主要分布地区，针对这个问题运用统计映射比较法，将需要比较的变量映射到应变量上再作比较，得到了结果 ：高锰酸盐主要污染源位于重庆朱沱至湖北宜昌江段和湖北宜昌至湖南岳阳城陵矶江段，氨氮主要污染源位于湖北宜昌至湖南岳阳城陵矶江段。在对以上的两个方面进行分析之后，依照过去10年的统计数据，我们对长江未来10年的水质进行了预测，预测指标为水质评定值（基于《标准》的水质分类值），为得到准确的预测值，模型采用LM改进算法，利用Matlab的Neutral Network工具箱得到了今后十年的水质预测，结果为：若不采取更有效的治理措施，未来十年水质污染将不断上升，特别是从第七年开始，即2011年，各水期以及水文年的水质评定值都已达到3.5以上，其中枯水期与水文年在2010年就均已超过3.5，表明Ⅳ、Ⅴ以及劣Ⅴ类水质的河长百分比已经增大了许多。在以上问题预测结果的基础上，模型得出了在未来十年内为达到问题四的要求，每年应处理废水量的范围是（113.6678，123.7025）亿吨，约占总排污量的33%-40%。最后本文给出了解决长江污染问题的建议和意见。 关键字： 长江水质 神经网络 概率论 LM改进算法 问题重述 随着我国工业化现代化水平步伐的加快，我们对资源的要求越来越大，同时对我们赖以生存的环境也成了一定程度的破坏。长江是我国第一大河流，长江流域是我国经济发展的心脏。然而多方面的资料显示长江水质不容乐观，并有专家提出“若不及时拯救，长江生态十年内将崩溃”。因此对长江水质进行评价和预测并由此得出切实可行的治理建议和方案是非常必要的。 题目给我们提供了长江沿线17个观测站（地区）近两年多主要水质指标的检测数据，以及干流上７个观测站近一年多的基本数据（站点距离、水流量和水流速）。水质污染主要来自于本地区的排污和上游的污水。江河自身对污染物都有一定的自然净化能力，即污染物在水环境中通过物理降解、化学降解和生物降解等使水中污染物的浓度降低。反映江河自然净化能力的指标称为降解系数。长江干流的自然净化能力可以认为是近似均匀的，主要污染物高锰酸盐指数和氨氮的降解系数通常介于0.1~0.5之间，比如可以考虑取0.2　(单位：1/天)。题目还提供了“1995~2004年长江流域水质报告”的主要统计数据以及国标(GB3838-2002) 给出的《地表水环境质量标准项目标准限值。地表水环境质量标准GB3838—2002）项目标准限值 单位：mg/L 序 号 ? 分类标准值 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 1 溶解氧(DO)??????????≥ 7.5 （或饱和率90%） 6 5 3 2 ≤ 2 4 6 10 15 ∞ 3 氨氮（NH3-N）????? ≤ 0.15 0.5 1.0 1.5 2.0 4 PH值（无量纲） 6---9 BP 网络模型和具有模式联想功能的反馈式人工神经网络模型--Hopfield 网络达到这个目的。 人工神经网络是基于模仿生物大脑的结构和功能而构成的一种信息处理系统。它用非线性处理单元模拟生物神经元,用处理单元之间的可变连接强度来模拟突触行为,大量单元依一定形式连接而成的网络呈现高维性、自组织性、模糊性和自学习能力，具有一定的智能性。非常适合于对具有较强非线性映射关系的数据进行分类处理。 作出假设如下： 由于下游水质受到上游的影响，可认为沿着长江，水质状况的变化为一连续的函数。 2.1.2模型的建立 a.样本的组织与划分 将附表三中给出的数据（共17*28组）随机分成训练样本（380组）、检验样本（48组）和测试样本（48组）。其中训练样本用来学习训练，由于网络连接的权值数不确定，需要在学习过程中不断修正，因此使用检验样本判断权指是否需要继续改变，而测试样本