湖庫(kù)水質(zhì)評(píng)價(jià)與水華預(yù)測(cè)智能方法研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，水環(huán)境問(wèn)題已經(jīng)越來(lái)越受到了人們的廣泛關(guān)注，水體富營(yíng)養(yǎng)化和水華作為水環(huán)境中的典型問(wèn)題，目前已成為環(huán)保領(lǐng)域的重要研究課題之一。
　　本文首先介紹了水體富營(yíng)養(yǎng)化評(píng)價(jià)和水華預(yù)測(cè)的研究背景、意義以及目前的研究現(xiàn)狀和發(fā)展趨勢(shì)?？偨Y(jié)了常用的水體富營(yíng)養(yǎng)化評(píng)價(jià)方法，針對(duì)已有方法存在的問(wèn)題，提出一種基于遺傳算法的模糊綜合評(píng)價(jià)方法。然后確定了水質(zhì)評(píng)價(jià)指標(biāo)和評(píng)價(jià)標(biāo)準(zhǔn)，依據(jù)水體富營(yíng)養(yǎng)狀態(tài)的標(biāo)準(zhǔn)計(jì)算出模糊隸屬度函數(shù)矩陣，建立了基于遺傳

2、算法的水質(zhì)參數(shù)權(quán)重分配模型，將實(shí)測(cè)數(shù)據(jù)應(yīng)用于該模型中，通過(guò)仿真得出綜合評(píng)價(jià)值，驗(yàn)證了該方法的有效性，為水環(huán)境治理提供了有效參考。
　　其次，通過(guò)研究水華形成過(guò)程機(jī)理，構(gòu)建了藻類生長(zhǎng)的數(shù)學(xué)機(jī)理模型，將粒子群算法用于模型中未知參數(shù)優(yōu)化。通過(guò)對(duì)模型計(jì)算值和真實(shí)值比較發(fā)現(xiàn)，該模型能描述水華從產(chǎn)生到爆發(fā)過(guò)程中葉綠素的基本變化情況，但在水華爆發(fā)階段未體現(xiàn)出優(yōu)勢(shì)，因此將神經(jīng)網(wǎng)絡(luò)引入其中，利用其非線性特性來(lái)補(bǔ)償機(jī)理模型的不足。通過(guò)仿真驗(yàn)證了水華爆

3、發(fā)階段該模型的優(yōu)越性，水華預(yù)測(cè)模型精度得到顯著提高，為建立機(jī)理與智能方法相結(jié)合的水華預(yù)測(cè)開(kāi)拓了一條新的思路。
　　最后，總結(jié)了本文的研究工作，針對(duì)評(píng)價(jià)和預(yù)測(cè)算法上存在的不足提出了未來(lái)的研究趨勢(shì)和發(fā)展動(dòng)向。
　　文中有以下兩個(gè)創(chuàng)新點(diǎn):
　　(1)通過(guò)遺傳算法優(yōu)化理論構(gòu)建湖庫(kù)水質(zhì)參數(shù)的權(quán)重優(yōu)化分配模型，結(jié)合模糊綜合評(píng)價(jià)方法提高湖庫(kù)水質(zhì)評(píng)價(jià)的有效性及客觀性。
　　(2)利用藻類模型確定水華發(fā)生的基本趨勢(shì)，運(yùn)用粒子群算法