matlab的洪泽湖水质评价的研究
洪泽湖水污染是长期需要面对的问题，如今种类繁多的水质预测方式良莠不齐，BP网络具有自学习、自适应的优点，因此本文将针对洪泽湖水污染问题，通过matlab的BP神经网络以及GUI应用（图形用户界面）进行水质预测模型的研究。为了解决BP算法收敛速度慢以及容易达到极度最小值的问题，该模型采用了L-M（Leven-berg-Marquardt）算法实现较高的速度和较低的误码率。当影响研究对象的因素被确定，我们将利用大量数据来训练该模型，隐层中神经元的数量和传递函数的类型将不断修正从而得到最佳的预测结果。通过此次模拟试验，该模型在洪泽湖的水质预测中显示出了较高的效率。关键词 BP神经网络,nntool,MATLAB,水质预测目 录
1 引言 1
1.1 研究背景及意义 1
1.2 水质研究现状及发展 1
1.3 课题研究的内容 2
2 人工神经网络 2
2.1 人工神经网络 2
2.2 BP神经网络概述 4
3 基于MATLAB的BP神经网络 7
3.1 MATLAB概述 7
3.2 BP神经网络的构建 8
4 水质分析指标选取及数据来源 9
4.1 数据来源 9
4.2 水质等级分类 10
5 基于BP神经网络的洪泽湖水质评价 10
5.1 水质参数处理 10
5.2 水质等级判定 11
5.3 创建BP神经网络 11
5.4 仿真预测水质等级 16
5.5 水质等级评价结果 17
结论 19
致谢 20
参考文献 21
1 引言
洪泽湖是中国四大淡水湖之一，幅员辽阔，其地理位置处于江苏西部，与淮安、宿迁、泗洪等城市相接，位于淮河流域中下游地区。其湖面广阔，水产品多种多样，历史极其悠久，不仅是渔业、禽畜产品、水产品养殖等等的生产基地，同样也是航运的重要枢纽，长久以来，一直被人称为“日出斗金”的富庶地区。
1.1 研究背景及意义
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
致谢 20
参考文献 21
1 引言
洪泽湖是中国四大淡水湖之一，幅员辽阔，其地理位置处于江苏西部，与淮安、宿迁、泗洪等城市相接，位于淮河流域中下游地区。其湖面广阔，水产品多种多样，历史极其悠久，不仅是渔业、禽畜产品、水产品养殖等等的生产基地，同样也是航运的重要枢纽，长久以来，一直被人称为“日出斗金”的富庶地区。
1.1 研究背景及意义
淮安处于淮河流域中下游地区，因洪泽湖的存在，素有“鱼米之乡”的称谓，除了承接中上游地区的水体以及对下游地区的灌溉之外，淮安境内的各水体均都是由洪泽湖补给。由此可见，洪泽湖的水质好坏，完全影响着淮安市居民的生活状况。这些年来，洪泽湖水质得到了极大的改善，但是仍然没有从根本上解决污染的源头。上游地区的污染下泄，以及周边居民生活状况不检点，都造成洪泽湖水质无法达到最好的状态。以94年的特大污染为例，导致洪泽湖将近12000吨鱼、90吨蟹、25吨虾死亡，直接导致近亿损失。从1975之后，每年发生的污染次数多大两次以上，而湖中的生物，无论是数量上还是种类上，都在不断地缩小，以及洪泽湖周边的水产分布面积，也同样急剧缩小，从占全湖面积的百分之90以上，到现如今不足百分之30，生态环境岌岌可危。
因此，身处淮安境内的民众，只能被动地接受这一现实，通过自发性质地降减生活污染以及工业污染，以保证周边居民的正常生活。只是没有针对性的治理，污染无法从根本上得到解决，这样却也是治标难治本的方法。所以在此情况下，建立一个相对优越的水质评测就显得尤为重要了，通过快速评价水质情况，高频率地回馈水质特征，由此可针对性地进行污染防治，也有利于向相关水产业、养殖、灌溉等部门提供整治意见，以保证洪泽湖水体正常。
1.2 水质研究现状及发展
近年来，许多研究已经多次展示水质预测模型。然而，水体会受到许多因素影响，由于这些因素表现出复杂的非线性关系，传统的数据处理方式不再适用于水体变量的预测，另一方面，神经网络可以模仿人类大脑自适应、自组织和容错的基本特征，已被广泛采用于模式识别、分析和预测、系统识别和设计优化等等。
目前的水质评价方法有很多，如内梅罗法、综合指数分析法、灰色聚类法、单因子评价法、以及模糊数学法等[3]，此类传统的水质评测方法需要大量的实际数据，较 难确定系数，并且至今对于评价结果找不到统一的合理的标准，具有一定的不确定性[4]。这些方法难以表现出地表水水体中的各因子和水体污染级别之间复杂的关系，需要找到更加客观精确的方法，以解决水体污染中各因子的模糊性以及随机性[4]。
其中，在水体评价中，人工神经网络是最新发展起来的水质评价方法。其中BP神经网络（back propagation），即误差反向传播算法。它的算法简洁、操作简易、计算量小等优点，通过自学习的能力和存储大量输入输出映射关系，并且不需要提前调整网络映射关系。它采用最速下降法的学习规则，为了使网络的误差平方和达到最小，通过反向传播，以不断调整神经网络的权值，达到最佳网络模型。因此，BP神经网络在水质评价方面的应用也是层出不穷。
1.3 课题研究的内容
本课题研究以基于MATLAB的BP神经网络为主，最核心的知识为nntool工具箱，通过大量数值进行训练网络，以洪泽湖近年的实际水质情况，包括水体各因子的情况，综合评判洪泽湖水质等级，以此作为淮安各部门整治的实际依据。并且通过自主学习及MATLAB、nntool工具箱的实际应用，为日后的实际工作奠定基础。
具体研究囊括为以下4点：
洪泽湖近年水质数据的获取以及水质参数的选择。
Matlab和nntool工具箱学习与应用。
通过归一化后的数值训练BP神经网络，不断调整参数以，以达到最佳的预测模型。
用近年的洪泽湖数据进行仿真，得到水质污染等级。
2 人工神经网络
2.1 人工神经网络
人工神经网络是上世纪80年代新起的一项研究，它包含人工智能的一些优点。人工神经网络（Artificial Neural Network，即ANN ），它是模仿人脑神经，以神经元构成网络，从处理信息的角度来抽象描绘，创建简单明朗的模型，按照多样的连接方式组成多样的网络，在工程应用和学术方面，这种处理信息的模型被称为神经网络。
神经网络根据模拟人脑，以大量节点相互联结，形成一种不同于普通人工智能的运算模型，它联结在每个节点和节点之间的数值被称为权重。可以把加权值比作人脑 的记忆，每个节点是一种特定的函数（激励函数）。网络的输出结果按照加权值和激励函数的不同搭配而改变，同时网络自身会对函数逼近或对某种算法的逼近，产生自适应，自学习等功能，当然，这也可能是对逻辑表达的另一种形式。随着不断深入的研究，人工神经网络已经适用于各行各业的研究和发展上，例如智能家电、智能机器人，包括医疗器械、预测和评估等等方面。
人工神经网络不同于传统的人工智能，它采用并行分布的系统以及完全不同的信息处理能力，弥补了传统人工智能的缺陷，比如在非结构化信息和处理只觉等方面，通
1 引言 1
1.1 研究背景及意义 1
1.2 水质研究现状及发展 1
1.3 课题研究的内容 2
2 人工神经网络 2
2.1 人工神经网络 2
2.2 BP神经网络概述 4
3 基于MATLAB的BP神经网络 7
3.1 MATLAB概述 7
3.2 BP神经网络的构建 8
4 水质分析指标选取及数据来源 9
4.1 数据来源 9
4.2 水质等级分类 10
5 基于BP神经网络的洪泽湖水质评价 10
5.1 水质参数处理 10
5.2 水质等级判定 11
5.3 创建BP神经网络 11
5.4 仿真预测水质等级 16
5.5 水质等级评价结果 17
结论 19
致谢 20
参考文献 21
1 引言
洪泽湖是中国四大淡水湖之一，幅员辽阔，其地理位置处于江苏西部，与淮安、宿迁、泗洪等城市相接，位于淮河流域中下游地区。其湖面广阔，水产品多种多样，历史极其悠久，不仅是渔业、禽畜产品、水产品养殖等等的生产基地，同样也是航运的重要枢纽，长久以来，一直被人称为“日出斗金”的富庶地区。
1.1 研究背景及意义
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
致谢 20
参考文献 21
1 引言
洪泽湖是中国四大淡水湖之一，幅员辽阔，其地理位置处于江苏西部，与淮安、宿迁、泗洪等城市相接，位于淮河流域中下游地区。其湖面广阔，水产品多种多样，历史极其悠久，不仅是渔业、禽畜产品、水产品养殖等等的生产基地，同样也是航运的重要枢纽，长久以来，一直被人称为“日出斗金”的富庶地区。
1.1 研究背景及意义
淮安处于淮河流域中下游地区，因洪泽湖的存在，素有“鱼米之乡”的称谓，除了承接中上游地区的水体以及对下游地区的灌溉之外，淮安境内的各水体均都是由洪泽湖补给。由此可见，洪泽湖的水质好坏，完全影响着淮安市居民的生活状况。这些年来，洪泽湖水质得到了极大的改善，但是仍然没有从根本上解决污染的源头。上游地区的污染下泄，以及周边居民生活状况不检点，都造成洪泽湖水质无法达到最好的状态。以94年的特大污染为例，导致洪泽湖将近12000吨鱼、90吨蟹、25吨虾死亡，直接导致近亿损失。从1975之后，每年发生的污染次数多大两次以上，而湖中的生物，无论是数量上还是种类上，都在不断地缩小，以及洪泽湖周边的水产分布面积，也同样急剧缩小，从占全湖面积的百分之90以上，到现如今不足百分之30，生态环境岌岌可危。
因此，身处淮安境内的民众，只能被动地接受这一现实，通过自发性质地降减生活污染以及工业污染，以保证周边居民的正常生活。只是没有针对性的治理，污染无法从根本上得到解决，这样却也是治标难治本的方法。所以在此情况下，建立一个相对优越的水质评测就显得尤为重要了，通过快速评价水质情况，高频率地回馈水质特征，由此可针对性地进行污染防治，也有利于向相关水产业、养殖、灌溉等部门提供整治意见，以保证洪泽湖水体正常。
1.2 水质研究现状及发展
近年来，许多研究已经多次展示水质预测模型。然而，水体会受到许多因素影响，由于这些因素表现出复杂的非线性关系，传统的数据处理方式不再适用于水体变量的预测，另一方面，神经网络可以模仿人类大脑自适应、自组织和容错的基本特征，已被广泛采用于模式识别、分析和预测、系统识别和设计优化等等。
目前的水质评价方法有很多，如内梅罗法、综合指数分析法、灰色聚类法、单因子评价法、以及模糊数学法等[3]，此类传统的水质评测方法需要大量的实际数据，较 难确定系数，并且至今对于评价结果找不到统一的合理的标准，具有一定的不确定性[4]。这些方法难以表现出地表水水体中的各因子和水体污染级别之间复杂的关系，需要找到更加客观精确的方法，以解决水体污染中各因子的模糊性以及随机性[4]。
其中，在水体评价中，人工神经网络是最新发展起来的水质评价方法。其中BP神经网络（back propagation），即误差反向传播算法。它的算法简洁、操作简易、计算量小等优点，通过自学习的能力和存储大量输入输出映射关系，并且不需要提前调整网络映射关系。它采用最速下降法的学习规则，为了使网络的误差平方和达到最小，通过反向传播，以不断调整神经网络的权值，达到最佳网络模型。因此，BP神经网络在水质评价方面的应用也是层出不穷。
1.3 课题研究的内容
本课题研究以基于MATLAB的BP神经网络为主，最核心的知识为nntool工具箱，通过大量数值进行训练网络，以洪泽湖近年的实际水质情况，包括水体各因子的情况，综合评判洪泽湖水质等级，以此作为淮安各部门整治的实际依据。并且通过自主学习及MATLAB、nntool工具箱的实际应用，为日后的实际工作奠定基础。
具体研究囊括为以下4点：
洪泽湖近年水质数据的获取以及水质参数的选择。
Matlab和nntool工具箱学习与应用。
通过归一化后的数值训练BP神经网络，不断调整参数以，以达到最佳的预测模型。
用近年的洪泽湖数据进行仿真，得到水质污染等级。
2 人工神经网络
2.1 人工神经网络
人工神经网络是上世纪80年代新起的一项研究，它包含人工智能的一些优点。人工神经网络（Artificial Neural Network，即ANN ），它是模仿人脑神经，以神经元构成网络，从处理信息的角度来抽象描绘，创建简单明朗的模型，按照多样的连接方式组成多样的网络，在工程应用和学术方面，这种处理信息的模型被称为神经网络。
神经网络根据模拟人脑，以大量节点相互联结，形成一种不同于普通人工智能的运算模型，它联结在每个节点和节点之间的数值被称为权重。可以把加权值比作人脑 的记忆，每个节点是一种特定的函数（激励函数）。网络的输出结果按照加权值和激励函数的不同搭配而改变，同时网络自身会对函数逼近或对某种算法的逼近，产生自适应，自学习等功能，当然，这也可能是对逻辑表达的另一种形式。随着不断深入的研究，人工神经网络已经适用于各行各业的研究和发展上，例如智能家电、智能机器人，包括医疗器械、预测和评估等等方面。
人工神经网络不同于传统的人工智能，它采用并行分布的系统以及完全不同的信息处理能力，弥补了传统人工智能的缺陷，比如在非结构化信息和处理只觉等方面，通
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1953.html
