检索结果-南通市图书馆

基于量子粒子群优化SVM算法的水质预测研究

在线全文

学校读者我要写书评

暂无评论

计算机时代 2023年第3期 1-6页

作者：阎凤上海城投水务(集团)有限公司自来水业务受理分公司上海200040

水质分类受多个特征属性影响。采用支持向量机(Support Vector Machine,SVM)方法研究水质预测问题。对特征属性过多导致SVM的分类精度下降的问题,采用主成分分析算法进行特征降维。针对SVM中的多参数优化问题,采用量子粒子群优化算法对... 详细信息

水质分类受多个特征属性影响。采用支持向量机(Support Vector Machine,SVM)方法研究水质预测问题。对特征属性过多导致SVM的分类精度下降的问题,采用主成分分析算法进行特征降维。针对SVM中的多参数优化问题,采用量子粒子群优化算法对SVM参数(核函数、惩罚因子)进行寻优。提出了一种基于主成分分析和量子粒子群优化的SVM算法。实验结果表明,该方法能够快速提取出最优参数组合,其泛化性能较高。

关键词：水质预测支持向量机主成分分析量子粒子群

SWAT模型在我国山区小流域水质预测中的应用——以琼江流域为例

在线全文

学校读者我要写书评

暂无评论

四川环境 2023年第5期42卷 143-152页

作者：胡鑫刘兵杨永安王远铭李克锋四川省环境应急与事故调查中心成都610000 遂宁市生态环境安全应急中心四川遂宁629000 西华师范大学环境科学与工程学院四川南充637002 四川大学水力学与山区河流开发保护国家重点实验室成都610065

小流域水环境受人类活动的影响显著,为解析我国典型山区小流域的水质受人类活动的影响规律,选取琼江流域遂宁段为研究对象,构建了针对琼江流域的SWAT模型,在模型验证的基础上并预测了2030年社会经济发展条件与相应治污条件下琼江流域遂... 详细信息

小流域水环境受人类活动的影响显著,为解析我国典型山区小流域的水质受人类活动的影响规律,选取琼江流域遂宁段为研究对象,构建了针对琼江流域的SWAT模型,在模型验证的基础上并预测了2030年社会经济发展条件与相应治污条件下琼江流域遂宁段的水质时空变化特征。研究结果表明,2030年琼江流域大安断面逐月流量变化范围为2.82~40.44 m^(3)/s,年均流量为16.20 m^(3)/s,其中8月流量最大;各支流中蟠龙河的流量最大,年均流量达到1.13 m^(3)/s;2030年琼江干流NH_(3)-N与TP浓度较高,在枯水季节尤其1~2月水质较差,难以满足Ⅲ类水质标准;干流控制安居城区以上的高滩断面除1月的水质能达到Ⅲ类水质要求,流经安居城区后,干流萝卜园断面在2月份TP未能达到Ⅲ类水质要求,至安居城区以下大安断面,水质进一步变差,1~3月份难以满足Ⅲ类水质要求。成果可为我国山区小流域水质的研究提供借鉴,同时为琼江流域水环境保护和政府决策,提供科学依据和技术支持。

关键词：小流域 SWAT模型水质预测时空变化

基于GA优化的RF-Softmax水质预测模型研究

在线全文

学校读者我要写书评

暂无评论

湖北农业科学 2022年第7期61卷 60-65,82页

作者：董陈超田明昊赵伟朝河海大学商学院江苏常州213022

针对水质检测周期长、成本高等问题,提出了基于遗传算法优化的RF-Softmax水质预测模型。采用机器学习的方法,使用随机森林算法进行特征选择建立水样本中氨氮、总磷2项水质参数与水质类别的数学关系模型方法对水质类别进行预测。采用遗... 详细信息

针对水质检测周期长、成本高等问题,提出了基于遗传算法优化的RF-Softmax水质预测模型。采用机器学习的方法,使用随机森林算法进行特征选择建立水样本中氨氮、总磷2项水质参数与水质类别的数学关系模型方法对水质类别进行预测。采用遗传算法替代传统Softmax回归算法训练过程中使用的梯度下降法,解决了逻辑回归算法在目标函数不是严格凸函数的情况下,容易陷入局部最优解的问题。以江阴市南闸街道地区地表水作为研究对象进行验证,结果表明,使用GA优化的RF-Softmax回归模型预测的准确率最高,其预测正确率相比传统Softmax回归和BP神经网络分别提高11.73和8.40百分点,平均误差分别降低58.68%和34.92%,平均均方根误差分别降低39.02%和23.62%。优化效果显著,能够实现高效、准确、低成本、快速的地表水质预测,为水质监测与预警提供了新思路,对于水质管理与环境保护具有重大意义。

关键词：水质预测预测模型遗传算法 Softmax回归随机森林机器学习

基于GAT-Transformer时间序列模型的SOWQP

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2024年第3期41卷 321-326,358页

作者：王永生陈振刘利民刘广文内蒙古工业大学数据科学与应用学院内蒙古呼和浩特010080 内蒙古自治区基于大数据的软件服务工程技术研究中心内蒙古呼和浩特010080

水质污染现象日趋严重,水质预测对于水质的保护尤为重要。然而水质受到多种水质指标的影响,并且水质监测数据是一种时序数据,各种指标间存在着复杂关系,现有的方法并不能充分捕捉水中各指标间的复杂关系。针对当前水质时序数据预测长距... 详细信息

水质污染现象日趋严重,水质预测对于水质的保护尤为重要。然而水质受到多种水质指标的影响,并且水质监测数据是一种时序数据,各种指标间存在着复杂关系,现有的方法并不能充分捕捉水中各指标间的复杂关系。针对当前水质时序数据预测长距离依赖和多种指标间关系考虑不充分的问题,提出一种基于GAT-Transformer的水质预测方法。首先引入卷积神经网络(CNN)提取每个水质时间序列数据输入的高级特征;然后将CNN输出的数据输入GAT层和多头自注意力层,通过GAT捕捉水中各元素间的复杂关系;最后将GAT层和多头自注意力层的输出结合,通过Transformer进行预测输出。使用内蒙古某真实水质数据集进行实验,表明所提方法在MAE、MSE和RMSE三个指标上的综合表现优于其它方法。

关键词：图注意力水质预测多头自注意力

经济社会发展视角下衡水湖流域水质影响因素与预测研究

在线全文

学校读者我要写书评

暂无评论

经济社会发展视角下衡水湖流域水质影响因素与预测研究

作者：程晓丽河北工程大学

学位级别：硕士

随着经济社会的快速发展,衡水湖流域国内生产总值和常住人口城镇化率保持高速增长,同时衡水湖流域工农业用水需水量和废水排放量逐年增加,这在一定程度上对衡水湖流域水质产生了影响。因此,本文将深入分析经济社会发展对衡水湖流域水质... 详细信息

随着经济社会的快速发展,衡水湖流域国内生产总值和常住人口城镇化率保持高速增长,同时衡水湖流域工农业用水需水量和废水排放量逐年增加,这在一定程度上对衡水湖流域水质产生了影响。因此,本文将深入分析经济社会发展对衡水湖流域水质的影响,并在此基础上对流域水质进行预测,通过科学谋划衡水湖流域经济社会发展规划,为实现衡水湖流域水质有效治理提供借鉴。本文主要内容如下:（1）基于改进内梅罗污染指数法的衡水湖流域水质评价。运用熵权法和最优最劣法（BWM）对内梅罗指数法进行改进,并利用改进的内梅罗污染指数法对衡水湖流域水质进行评价。水质评价的结果显示:衡水湖流域2015—2019年,改进内梅罗指数在波动中呈微弱下降趋势,水质整体在变好;除2016年属于Ⅲ类（较好）水质外,其余均属于Ⅱ类（良好）水质;与传统内梅罗指数相比,改进内梅罗指数结果更合理,与实际水质状况更接近。（2）基于经济社会发展视角的衡水湖流域水质影响因素分析。运用灰色关联分析研究衡水湖流域经济社会发展指标与水质指标的关联程度,分析导致水质污染的主要来源。结果显示:衡水湖流域的水质指标与衡水湖流域周围经济社会发展指标的关联程度均达到中等及以上相关程度。GDP增长、全员劳动生产率增长、城市空气质量优良天数比率、常住人口城镇化率、粮食综合生产能力5项经济社会发展指标是影响衡水湖流域整体水质的关键因素。（3）基于经济社会发展视角的衡水湖流域水质预测模型。首先,通过建立单个经济社会发展指标的灰色预测模型,对已被筛选出的2022—2026年各经济社会发展指标进行预测;其次,建立基于支持向量回归的水质预测模型,并使用遗传算法对支持向量回归的参数进行优化;最后,通过支持向量回归预测得出2022—2026年衡水湖流域水质指标。结果显示:除化学需氧量浓度有略微增长,其余指标均下降,衡水湖流域水质整体在2022—2026年逐渐变好。

关键词：经济社会发展视角衡水湖流域改进内梅罗指数法水质评价水质预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源数据融合的水质评价及预测方法研究

基于多源数据融合的水质评价及预测方法研究

作者：花延文河北工程大学

学位级别：硕士

水质评价及预测作为水体状况判断和变化趋势分析的关键手段,在解决水污染问题中发挥着不可或缺的作用。然而,传统的评价和预测方法无法充分利用水质监测数据的多源、非线性、不确定性等特点,结果准确性较低。为了更好地利用水质数据的... 详细信息

水质评价及预测作为水体状况判断和变化趋势分析的关键手段,在解决水污染问题中发挥着不可或缺的作用。然而,传统的评价和预测方法无法充分利用水质监测数据的多源、非线性、不确定性等特点,结果准确性较低。为了更好地利用水质数据的复杂特性,提高评价和预测的准确性,本文提出基于多源数据融合技术的水质评价及预测模型。主要研究内容如下:首先,针对传统水质评价方法无法充分利用监测数据复杂特性的缺陷,提出一种基于神经网络与D-S（Dempster-Shafer）证据理论相结合的评价模型。该模型先采取反向传播（Back Propagation,BP）神经网络、径向基（Radical Basis Function,RBF）神经网络和广义回归神经网络（Generalized Regression Neural Network,GRNN）对水质监测数据进行初步评价,然后将评价结果输入到D-S证据理论进行融合评价。对冀南地区监测断面的实验结果表明,该评价模型可以降低水质评价过程中的不确定性,提高评价的准确性。其次,为了解决D-S证据理论融合高冲突证据的悖论问题,提出一种基于冲突表示的加权证据融合方法。结合证据间Pignistic概率距离和余弦相似度共同衡量证据间冲突程度,转化冲突程度为证据权重系数并以加权平均证据替换冲突证据,然后引入迭代思想修正融合结果。数值算例实验表明,改进方法较好地解决了证据冲突,提升了融合结果精度,避免了结果与事实相违背情况的出现。最后,针对长短时记忆神经网络（Long Short Term Memory,LSTM）参数确定繁琐、预测精度低的不足,提出一种结合随机森林算法（Random Forest,RF）、粒子群算法（Particle Swarm Optimization,PSO）和注意力机制（Attention Mechanism,AM）改进的LSTM神经网络预测模型。该模型首先由随机森林算法进行输入特征选择,然后通过粒子群算法确定神经网络的隐含层神经元个数和学习率的最优值,再引入注意力机制提升神经网络对关键特征的学习能力。通过对溶解氧浓度的预测和误差分析,验证了该模型的高精度和高拟合优度。

关键词：水质评价水质预测数据融合 D-S证据理论神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

瀑河水库蓄水后水质变化预测

长江流域资源与环境 2003年第1期12卷 61-66页

作者：李春晖郝芳华崔磊北京师范大学环境科学研究所水环境模拟国家重点实验室北京100875

瀑河水库拟作为南水北调中线的一个调蓄水库。在瀑河水库淹没区内布10个采样点,分别采集0～20、20～40、40～60cm深度的土壤。实验室中模拟水库蓄水淹没情景,连续监测"库水"水质,试验表明:蓄水初期土壤中营养物质溶出对库水水质有一定影... 详细信息

瀑河水库拟作为南水北调中线的一个调蓄水库。在瀑河水库淹没区内布10个采样点,分别采集0～20、20～40、40～60cm深度的土壤。实验室中模拟水库蓄水淹没情景,连续监测"库水"水质,试验表明:蓄水初期土壤中营养物质溶出对库水水质有一定影响,且随着时间的推移,各营养物质溶出的速度及浓度变化不同,蓄水16天后浓度趋于平稳,库水水质达到地表水环境质量Ⅱ类标准。将模拟值作为初始值,利用WQRRS模型进行运行期水质预测,得到结论为:①当调水水质为Ⅰ和Ⅱ类标准值的中值、流域汛期径流水质为Ⅱ～Ⅴ类时,预测库水水质为Ⅱ～Ⅲ类;②当调水水质为Ⅱ类标准值的下限值、流域汛期径流水质为Ⅱ～Ⅴ类时,预测库水水质大多为Ⅲ类,部分情况下为Ⅳ类,且N、P超标;③当调水水质为Ⅰ和Ⅱ类标准值的中值、流域径流水质为Ⅱ类时,在2010、2020和2030水平年水库水质全部为Ⅱ类;当调水水质为Ⅱ类标准值的下限值时库水水质则为Ⅲ类。

关键词：蓄水水质变化南水北调瀑河水库实验室模拟 WQRRS 水质预测水质标准

基于环境库兹涅茨曲线的乌江重庆段水质演变预测研究

在线全文

学校读者我要写书评

暂无评论

水资源研究 2023年第2期12卷 1-11页

作者：徐浩钱宝长江水利委员会水文局长江上游水文水资源勘测局重庆长江水利委员会水文局湖北武汉

利用2011~2020年乌江重庆段共5个水质断面的监测数据,结合区域内经济发展情况拟合出环境库兹涅茨曲线(EKC),对乌江重庆段水质、人口与经济发展之间产生的关系进行分析研究。研究表明:近10年来,NH3-N、Zn、TP和F−等参数都与经济发展之间... 详细信息

利用2011~2020年乌江重庆段共5个水质断面的监测数据,结合区域内经济发展情况拟合出环境库兹涅茨曲线(EKC),对乌江重庆段水质、人口与经济发展之间产生的关系进行分析研究。研究表明:近10年来,NH3-N、Zn、TP和F−等参数都与经济发展之间存在典型的“倒U”型曲线关系,且位于曲线拐点的右侧,而IMn、BOD5和FC等参数则与经济发展之间的关系呈现为“N”型三次曲线关系,总体尚处于EKC曲线拐点的左侧。结果表明,随着经济增长,NH3-N、Zn、TP和F−已经迎来了拐点,得到了较好的控制;而IMn、BOD5和FC等参数则可能受到新技术或生产方式的影响,尚未迎来拐点,在未来一段时期内还有回升的可能。

关键词：水质预测环境库兹涅茨曲线乌江重庆段

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

数据驱动的油田污水处理水质预测研究

工业安全与环保 2023年第4期49卷 77-81页

作者：钱维坤毕新忠张蕊张磊孙震刘珈铨中国石化胜利油田有限公司桩西采油厂山东东营257237 中国石油大学(北京)机械与储运工程学院北京100082

为实时掌控油田的污水处理站生产工况,结合桩西污水处理站的监测数据,使用改进的支持向量机模型对油田污水水质进行预测。通过归一化方法将收油和收悬浮操作记录转化为数值特征,实现预测模型对外部介入操作的及时响应。利用差分进化算... 详细信息

为实时掌控油田的污水处理站生产工况,结合桩西污水处理站的监测数据,使用改进的支持向量机模型对油田污水水质进行预测。通过归一化方法将收油和收悬浮操作记录转化为数值特征,实现预测模型对外部介入操作的及时响应。利用差分进化算法对预测模型进行超参数寻优,实现模型超参数全局最优值的快速确定,采用最优模型对含油量和含悬浮量进行预测和验证。结果表明,基于差分进化算法的支持向量机模型(DE-SVM)在2个水质指标的预测中,均能取得最高的决定系数(R2)和最低的平均绝对百分比误差(MAPE),显著优于其他预测方法,对实现油田污水处理流程的主动控制具有重要意义。

关键词：油田污水机器学习水质预测参数优化