河流水质模拟预测的常用方法研究与新方法探索——以淮河安徽段为例
- 海之魂
-
1 次阅读
-
0 次下载
-
2020-02-24 08:40:17
文档简介:
合肥工业大学硕士学位论文河流水质模拟预测的常用方法研究与新方法探索——以淮河安徽段为例姓名:武君申请学位级别:硕士专业:环境工程指导教师:汪家权20050301河流水质模拟预测的常用方法研究与新方法探索一一以淮河安徽段为例摘要水质模拟预测是顺利实现水环境规划管理、水污染综合防治等任务不可缺少的基础工作,是具有普遍意义的一项重要内容。机理性水质模型虽考虑了影响水质变化的诸多因素,模拟预测效果较理想,但往往较复杂并需要大量基础资料与数据,这常使其在我国许多河流系统中的进一步应用受到限制。而非机理性水质模拟因其针对某一特定的水质系统,通过数学统计或其他数学方法建立模型,也常可以取得较好的模拟预测效果。本文以淮河安徽段水质为研究对象,结合国家自然科学基金“河流水质虚拟调控一以淮河安徽段为例(50379003)”项目,在查阅文献、总结机理性水质模型基础上,以非机理性方法在水质模拟预测中的应用为主要内容,运用具体实例探讨了非机理性常用方法和新方法的应用。在常用的非机理性方法中,论文结合具体的实例,分别采用了加权和非加权式马尔可夫法、自回归时间序列模型对水质指标进行建模预测,并对灰色模型进行改进,建立了灰色时序组合模型。通过实例发现:这些常用非机理性方法在水质模拟预测工作中具有一定使用价值。在非机理性新方法应用中,论文采用BP神经网络法对淮河安徽段水质进行了模拟预测,训练数据模拟效果很好,预测检验的结果也都在可以接受的范围内。论文将混沌理论和分形理论应用于水质模拟预测中,提出了混沌全域法及其降维改进法、分段变维分形法、分形插值等方法并结合实例探讨了其对水质模拟预测的可行性,为今后工作提供了新的思路和方法。关键词:马尔可夫法时间序列模型灰色模型神经网络法混沌理论分形理论ResearchonCIassicaIMethodsandInnovatoryMethodsf.orSimulatingandPredictinglbVerWaterQualityIHustratedwithHuaiheRiverinAnhuiProvinceABSTRACTnisimponantandbasict0s曲越aceandpredictthewaterqual蚵forsuccessfLlllyaccom叫shillgmetasksabomwa乇eren、,i埘蚰ent.Themecllam锄wa把rqual酊moddstakeimoaccoumtllefa酏ors山athaveimpacton妇lgeofwaterquali劬sollles硫山atiI培趴dprcdj甜ngresultsarcusually鲥s白咖彤Butmeyo胁requireagreatdealofbackgroulldjn姗na矗。轧whichmakes吐1em}州esomel血血st0哪li咖onfbrmanyriVersy哟ms.Ho、^,ev%w咖rqualicymodds舭utcoIlsi蛳ngmechaIlisIno‰acquiIesatis血呦rysi姒d撕119andpredictingrc刚乜becausethey砥nmodelsaim啦atspecific州cerq1】a1时sy髓眦by咖sta】匡s如almet}斓or湘m灿cr删cal瑚就hods.ThepaperregardsHuaiheRiVerinAnhuiProVinceasthesubjectbypanicipatingint11eprogr锄ofNationalN8turalScienceFundRfver耽ferg“d坳jMrr“d,RPJ巴“f口ffo&CofrDf月Z“srrafedw{f矗丑k口iheRfverf斗4n南“ij】rovince(50379003).BycOnsultingthedoc啪ents趾ds啪marizingmechanismwaterqualitymodels,thepaperdiscussestheapplicationofclassicalmetllodsandinnovatorymethodswithoutconsideringmechanismforsimuldtingandpredictingwaterquality、Ⅳiththeex锄ples.Asforclassicalm甜lods谢t110utco蛹deriI培mcchallism,mep印eradoptsMarkoVmdbodofwe谵ht协g,Mar:kovmemodw砒lomweighdng,锄dAutoRegressivetimeseriesme(hodtosimlllateandpredictwaterqual蚵itcms,responsively.nalsoimproVes也e乜aditionalg
评论
发表评论