- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
毕业设计(论文)开题报告
学生姓名: 窦朝阳 学 号: P1501080614
所在学院: 自动化与电气工程学院
专 业: 自动化
设计(论文)题目: 基于神经网络改进算法的水质评价
指导教师: 夏美娟
2012年 3月 15 日
开题报告填写要求
1.开题报告 (含 “文献综述”)作为毕业设计 (论文)答辩委
员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指
导下,由学生在毕业设计 (论文)工作前期内完成,经指导教师签
署意见及所在专业审查后生效;
2.开题报告内容必须用黑墨水笔工整书写或按教务处统一设
计的电子文档标准格式 (可从教务处网页上下载)打印,禁止打印
在其它纸上后剪贴,完成后应及时交给指导教师签署意见;
3.“文献综述”应按论文的格式成文,并直接书写 (或打印)
在本开题报告第一栏目内,学生写文献综述的参考文献应不少于15
篇 (不包括辞典、手册);
4.有关年月日等日期的填写,应当按照国标GB/T 7408—94
《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,
一律用阿拉伯数字书写。如“2004年4月26 日”或“2004-04-26”。
毕 业 设 计 (论 文)开 题 报 告
1.结合毕业设计 (论文)课题情况,根据所查阅的文献资料,每人撰写
2000字左右的文献综述:
文 献 综 述
一.研究意义与背景与意义:
水是人类生存和发展的物质基础。随着生产的发展和人口的增长,水资源短缺、水
质污染问题越来越突出。水环境质量评价是认识和研究水环境的一项重要内容,其目的
是准确反映环境的质量和污染状况,预测未来的发展趋势,是水环境管理保护和治理的
一项重要基础性工作。
总的来说,生物存活和人类生产、科研都需要水、且对水质都有不同的要求,为更
好地保护地球环境、使得地球生物不受有害水体的侵害及更好地满足人类生产、科研的
用水需求,需要进行水质检测与评价。
水质综合评价就是将水质监测因子和水质评价标准联合起来进行研究, 从而建立
水质评价模型, 对水体的水质等级进行综合评判以便为水质目标责任管理提供科学依
据, 为水体的科学管理和污染防治提供决策依据。水环境质量综合评价涉及到的多项评
价指标之间通常存在不相容性和模糊性, 而且一般认为各项指标与环境质量等级之间
存在的是非线性关系, 因此水质评价模型需要有很强的容错能力和处理非线性能力。
二.课题研究的内容:
(1)神经网络方面的知识:
①神经网络改进算法方面的基本结构:
BP 网络是一种单向传播的多层前向网络。网络结构是由输入层、输出层和隐含层组
成, 各层神经元的作用是不同的: 输入层接受外界信息, 输出层对输入层信息进行判
别和决策, 中间的隐含层用来表示或存贮信息。
BP神经网络在实际应用中, 分导师知识学习训练和模式识别决策两个过程。导师知
识学习训练过程归结起来分为4个过程, 输入模式由输入层经中间层向输出层方向“模
式顺传播”,网络的希望输出和网络的实际输出之间的误差信号, 由输出层经中间层向
输入层逐渐修正连接权的 “误差逆传播”,由“模式顺传播”和 “误差逆传播”的反复
交替进行的网络“学习记忆”训练过程, 使网络趋向收敛, 即全局误差趋向极小值的“学
习收敛”过程,直至实际输出值与希望输出值有较好吻合为止[4]。
②神经网络改进算法的优势:
BP神经网络是一种高度非线性关系的映射。在没有任何已知的数学知识描述输入-
输出关系的情况下, 网络可以通过对训练样本的自学习、自适应建立这种映射关系, 从
而较好地反映系统内部的本质特征, 对未知样本做出的评价更具有客观性[2]。
BP 模型可选取任意多的水质参数进行学习,建立不同的评价模型,BP 网络的参数均
由学习所得, 避免受到人的主观因素影响[1]。学习成功后对任意的实测样本, 只需利
用训练过的BP神经网络模型对其进行计算, 均可以根据样本的输出结果作出综合的级
别评价。因此具有广泛的适用性[7]。 所以BP神经网络在水质评价问题上有着良好的
应用前景与推广价值[9]。
③神经网络
文档评论(0)