数学建模论文5.doc

长江水质的模型评价和预测 摘要 本文针对长江水质的污染评价和预测问题，建立功效评分模型、槽列模型和神经网络模型分别解决题目的前三个问题，并提出解决水污染问题的建议。 功效评分模型在分析附件3的统计数据的基础上，根据综合评价原理，剔除了对污染影响较小的PH值指标，对其他三项指标进行无量纲变换，对照由《地表水环境质量标准》数据求出的综合评价矩阵，定量评价了近两年来长江整体和各地区的水质情况。 槽列模型综合考虑了本地区排污、上游和支流汇入污水以及江河对污染物的自然净化三方面的因素，利用物质平衡原理建立槽列方程，得出高锰酸盐主要污染源在湖南岳阳和江苏南京，而氨氮的主要污染源在湖南岳阳和安徽安庆的结论。 神经网络模型利用Matlab工具箱，根据过去10年影响水质的主要统计数据，构造基于因果关系的“3－7－18－6”网络结构，经过学习训练，预测出未来10年长江水质的发展趋势。然后采用取定步长搜索的方法编程寻找满足污水控制比例的临界值，解决了污水处理量 功效评分模型和槽列模型在评价水质时都综合考虑了各方面的影响因素，简易可行。神经网络模型采用目前应用最为广泛的BP算法，输出结果合理。针对模型的结果提出了一系列以减少废水排放量和提高江河对污染物的自然净化能力为中心的建议，对政府的环境管理决策有一定的参考价值。 一、问题的重述 水是人类赖以生存的资源，保护水资源就是保护我们自己，对我国大江大河水资源的保护和治理应是重中之重。长江是我国第一、世界第三大河流，水质的污染程度日趋严重，要求建立数学模型对长江水质进行评价和预测，并在此基础上提出一些解决水质污染问题的建议和意见。 整理附件3中的长江沿线17个观测站（（地区）近两年多主要水质指标的检测数据，对其近两年多的水质情况做出定量的综合评价，并分析各地区水质的污染状况；研究干流上７个观测站近一年多站点距离、水流量和水流速的基本数据，建立模型分析近一年多污染物高锰酸盐指数和氨氮的污染源主要集中地区。 分析附件“1995～2004年长江流域水质报告”给出的主要统计数据，在不采取更有效治理措施的情况下，建立模型预测长江水质污染未来10年的发展趋势。如果要求未来10年内每年长江干流的Ⅳ类和Ⅴ类水的比例都控制在20%以内，而且没有劣Ⅴ类水, 根据模型的预测结果分析每年需要处理的污水量。 二、问题的分析 附件3给出了17个观测站03年3月到05年9月主要水质指标的检测数据，从这些数据中进行筛选，整理分析出长江整体与各个地区各种污染物的均值、方差等统计规律，再根据综合评价原理对长江综合水质进行定量的评价。 干流观测站的水质污染主要来自于本地区的排污、上游以及支流汇入的污水，同时江河自身对污染物也有一定的自然净化能力，分析该段干流的污染情况应综合考虑上述各因素。对各段干流的污水排放情况进行对比分析得出污染源的主要集中地区。 对江河水质污染的预测目前尚没有成熟的模型应用,而神经网络对复杂不确定问题有自适应和自学习能力，能够根据大量数据训练出来的学习规则，对新输入的数据给出较为精确的输出结果，可以应用于水质的预测。 由预测模型得到的废水量与环境污染状况的定量关系，利用模型预测出的结果可计算出未来某年的废水量处理量如何确定才能使环境污染控制在允许的范围内。 解决长江水质污染问题主要是控制水质预测模型中可以人为控制的输入因数，提出的各种建议主要围绕改变人为控制因数而达到降低污染的目的，同时应结合我国当前的国情国策综合考虑。 对模型的检验难度较大，由于在神经网络模型的学习过程中，输出结果的某些规律性并没有被告知，如果检验出预测结果数据也具有这些规律性，则可说明预测模型是合理实用的。 三、模型的假设 长江干流的自然净化能力是均匀的，主要污染物高锰酸盐指数和氨氮的降解系数在长江干流各段处处相同且在近一年内保持不变，均取为0.2。 长江各段干流的水流速度和水流量均匀稳定，都取为对应干流观测站的观测结果。 长江各段干流的河段都是均匀的。 长江干流的污水全部由表中所列的城市排出，没有其他地方汇入的污水。 由于观测数据是以月份为单位，所以在解决第二问的模型中关于时间的积分区间取为一个月。 由于各支流流量小，支流流量随时间变化的量相对于干流流量小得多，其流量的数据取为当前测量值，且不考虑降解作用。 四、符号的定义 符号 含义 第i个观察站对应的干流河段江水体积 第i个观察站第j种污染物的浓度（j＝1时为高锰酸盐，j＝2时为氨氮） 第i个观察站的水流量 第i个观察站对应干流河段每秒钟排放的含第j种污染物的污水量（j＝1时为高锰酸盐，j＝2时为氨氮） 第j种污染物从第i－1个观察站扩散到第i个观察站所需要的时间（j＝1时为高锰酸盐，j＝2时为氨氮） 第i个观察站与第i－1个观察站的距离 第i个观察站的水流速度 高锰酸盐和氨氮的降解系数 对时