亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        大伙房水庫水質預測中水文水質模型聯(lián)合應用分析

        2017-05-09 16:40:09
        黑龍江水利科技 2017年1期
        關鍵詞:大伙房水體水質

        陳 俊

        (遼寧省撫順水文局,遼寧 撫順 113015)

        ?

        大伙房水庫水質預測中水文水質模型聯(lián)合應用分析

        陳 俊

        (遼寧省撫順水文局,遼寧 撫順 113015)

        水質是水庫運行質量的重要參考標準,水質的檢測項目包括水中所溶解的氧氣含量、磷的含量、葉綠素a的含量以及水體透明度等,通過對這些指標的檢測來評價水體的富營養(yǎng)化程度。文章使用了線性回歸分析法,對參數(shù)進行了優(yōu)化,并建立多種數(shù)學模型,利用現(xiàn)有的檢測數(shù)據(jù)對大伙房水庫的水質進行預測,并通過一些誤差計算方式對預測的結果進行評價。根據(jù)預測結果與評價結果,自適應神經模糊推理數(shù)據(jù)預測模型對水質的預測效果要比多元化線性預測模型以及徑向基神經預測模型要好,所以對大伙房水庫的水質預測結果以自適應神經模糊推理數(shù)據(jù)預測模型的預測結果為參考標準。

        水質預測;自適應神經模糊推理;大伙房水庫;多元線性預測

        1 工程概況

        大伙房水庫位于渾河流域、撫順市的東部,1958年建設完成并投入使用,壩頂高度為139.8m,長度為1366.7m,寬度為8m,水壩高度約為50m,水庫總容量約為22.7億m2,水體深度最深為36.5m,總儲水面積為113km2,水庫正常水位標準為130m,死水位為107m,是一座集防洪、供水、發(fā)電等多種功能于一體的綜合型水利工程[1]。

        2 水質取樣與測量數(shù)據(jù)分析

        如圖1所示,在大伙房水庫分別設置5個水質取樣點,測量項目包括水體透明度x1、水體溫度x2、水體酸堿度x3、水體電導率x4、水體溶氧量x5、水體含磷量x6、水體葉綠素a含量x7、渾濁度x8、懸浮物x9、水體含氮量x10、水體鈣鎂化合物含量x11、總堿度x12等12種水質因子[2],經過分析處理以后所得到的結果如表1所示。

        3 建立水質預測模型

        3.1 多元線性預測模型

        多元線性預測模型是利用函數(shù)關系建立起因變量與多個自變量之間的數(shù)學關系模型,其中因變量y即待預測的數(shù)據(jù),而自變量則是影響因變量數(shù)值的多種因素[3]。因變量與自變量之間的關系用公式表示為:

        y=b0+b1x1+b2x2+…+bixi

        (1)

        式中:xi指的是第i種影響因素,即第i項自變量;bi即第i項自變量所對應的自變量系數(shù)。

        3.2 徑向基神經預測模型

        徑向基神經預測網絡是通過函數(shù)逼近的方法在輸入端、輸出端以及隱藏部分之間進行線性映像和組合[4]。輸入端將函數(shù)進行非線性變換以后傳輸?shù)诫[藏層,然后輸出端從隱藏層的函數(shù)中進行變量提取,并進行線性組合最后得到輸出數(shù)值。隱藏層的維度要比較高,才能保證輸出數(shù)值的準確性。對此,可以將高斯函數(shù)作為徑向基神經預測模型的基礎,單一變量在m個隱藏層中的公式表示方式為:

        (2)

        (3)

        (4)

        式中:x為輸入的自變向量;ωi為隱藏層與輸出端之間的權重;ci為隱藏層中第i個核心向量;dmax是輸入向量與核心向量之間的最大距離;x-ci的絕對值是指x與ci之間的歐幾里得距離。

        圖1 大伙房水庫水質取樣點分布表1 大伙房水質檢測項目檢測結果

        3.3 自適應神經模糊推理數(shù)據(jù)預測模型

        徑向基神經預測模型雖然具有極強的數(shù)據(jù)組織能力和邏輯推理能力,但是對于已經定性的數(shù)據(jù)卻無法很好地進行處理。所以,以模糊推理為理論基礎,再加入自組織特性,構建自適應神經模糊推理數(shù)據(jù)預測模型[5]。自適應神經模糊推理數(shù)據(jù)預測模型相比徑向基神經預測模型而言,新增了規(guī)則模塊、正規(guī)化模塊以及解模糊模塊,具體結構如圖3所示。

        圖2 自適應神經模糊推理 數(shù)據(jù)預測模型結構示意圖

        從圖中可以看出,自適應神經模糊推理數(shù)據(jù)預測模型一共可以分為5層,第5層輸出結果的計算公式為:

        (5)

        式中:ωi為隱藏層與輸出端之間的權重。

        3.4 誤差分析

        誤差分析評價方式有平均絕對誤差M、均方根誤差R兩種,其計算的公式分別為:

        (6)

        (7)

        式中:N為所測數(shù)據(jù)的總量;CP和Cm是預測的水質影響因素數(shù)據(jù)與實測的水質影響因素數(shù)據(jù)。

        4 計算結果分析

        4.1 輸入因素簡化方法

        在本次預測中,影響水質的因素一共有12種,如果一一代入進行計算預測,那么計算過程將過于繁瑣,計算結果分析也不方便[6]。對此,特采用線性回歸方法分析各影響因素之間的關系,探索各影響因子對水質影響的重要程度,簡化輸入因子。表2為水質各影響因子與磷含量、透明度、溶氧量以及葉綠素a含量的關系系數(shù),從表中數(shù)據(jù)可以看出,對磷含量影響比較大的影響因子有透明度、渾濁度、懸浮物、葉綠素a含量、氮含量以及總堿度;而對水體透明度影響比較大的影響因子有磷含量、水體溫度、酸堿度、渾濁度、溶氧量、懸浮物;對溶氧量影響比較大的影響因子有水體溫度、酸堿度、透明度、葉綠素a含量、鈣鎂化物含量以及總堿度;對葉綠素a含量影響比較大的影響因子有磷含量、酸堿度、電導率、溶氧量、鈣鎂化物含量以及總堿度[7]。

        4.2 多元線性預測模型的預測結果及誤差分析

        將磷含量、溶氧量、葉綠素a含量以及透明度4種水質關鍵影響因子的測量數(shù)據(jù)代入公式中可得:

        x5=-0.013x2+1.6207x3-0.1599x1+0.0291x7-0.0029x11-0.0089x12-2.9673

        x6=-1.5141x1-0.3687x8+0.5931x9+0.2449x7+138.9015x10-0.0832x12+14.7914

        x7=0.1021x6+6.207x3-0.0423x4+1.1630x5+0.0211x11-0.2264x12-30.4197

        x1=-0.0115x6-0.0794x2-0.3187x3-0.0518x8-0.1936x5+0.1071x9+8.2971

        其中x5為溶氧量的預測結果,預測可以分為兩個階段,主要階段和次要階段,主要階段占預測量的70%,次要階段占預測量的30%。使用多遠線性預測模型的誤差分析,從表4中數(shù)據(jù)可以看出,4種主要影響因子的預測結果準確度都比較低。

        表2 各水質影響因子與磷含量、溶氧量、葉綠素、透明度之間的關系系數(shù)

        表3 多遠線性預測模型預測結果誤差分析

        4.3 徑向基神經預測模型預測結果及誤差分析

        徑向基神經預測模型的誤差分析也是針對這4種主要影響因子,分為2個階段,進行誤差分析,分析結果如表4。

        表4 徑向基神經預測模型預測結果誤差分析

        徑向基神經預測模型預測結果的關系系數(shù)明顯要大于多元線性預測模型,說明其相關性更好,預測結果更準確[8]。

        4.4 自適應神經模糊推理數(shù)據(jù)預測模型預測結果及誤差分析

        代入數(shù)據(jù),可得誤差分析結果如表5。

        表5 自適應神經模糊推理數(shù)據(jù) 預測模型預測結果誤差分析

        從表5中的誤差分析數(shù)據(jù)可得,自適應神經模糊推理數(shù)據(jù)預測模型對于透明度的預測結果在主要階段比其他兩者要差,但是在次要階段明顯要優(yōu)于其他兩種模型;對于溶氧量、磷含量以及葉綠色a,自適應神經模糊推理數(shù)據(jù)預測模型的預測結果比其他兩種模型都要準確。所以,總的來說,自適應神經模糊推理數(shù)據(jù)預測模型的預測結果最符合水庫的實際水質情況。

        5 結 論

        1)多元線性預測模型各影響因子的關系系數(shù)在主要階段和次要階段都偏低,所以所預測結果的準確度比較低,與實際情況偏差較大,不適用于大伙房水庫的水質預測。

        2)自適應神經模糊推理數(shù)據(jù)預測模型對于透明度的預測結果在主要階段比徑向基神經預測模型預測結果要差,但是在次要階段結果更好;對于溶氧量、磷含量以及葉綠色a,自適應模型的預測結果都更加準確。所以選擇自適應神經模糊推理數(shù)據(jù)預測模型的預測結果作為參考數(shù)據(jù)。

        [1]賀光華,楊龍.防治水質污染 提高飲水安全[J].水利規(guī)劃與設計,2006(04):12-14.

        [2]李學森.凌河流域水資源現(xiàn)狀及保護措施[J].水土保持應用技術,2015(03):36-37.

        [3]金云杰.凌河流域人工濕地對水環(huán)境質量影響分析評價[J].水土保持應用技術,2015(05):27-28.

        [4]楊錦華.佛寺水庫水源飲水安全與水環(huán)境保護[J].水利技術監(jiān)督,2006(03):50-52.

        [5]溫樹成.大伙房水庫水體富營養(yǎng)化現(xiàn)狀分析及對策研究[J].水土保持應用技術,2015(02):31-32.

        [6]田冰.河北省自然濕地生態(tài)需水量分析[J].水土保持應用技術,2007(02):34-36.

        [7]李強.城鎮(zhèn)河道綜合治理探析[J].水土保持應用技術,2014(05):32-33.

        [8]王懷柏,李躍奇,李儒道.關于水質評價問題的探討[J].水利技術監(jiān)督,2011(04):6-8.

        1007-7596(2017)01-0146-03

        2016-12-16

        陳俊(1981-),男,江蘇泰縣人,工程師,研究方向為水文、水資源管理與水資源評價等。

        P

        B

        猜你喜歡
        大伙房水體水質
        水質抽檢豈容造假
        環(huán)境(2023年5期)2023-06-30 01:20:01
        農村黑臭水體治理和污水處理淺探
        生態(tài)修復理念在河道水體治理中的應用
        一月冬棚養(yǎng)蝦常見水質渾濁,要如何解決?這9大原因及處理方法你要知曉
        當代水產(2019年1期)2019-05-16 02:42:04
        大伙房采風作品選登
        中華詩詞(2018年12期)2018-03-25 13:46:36
        遼寧省大伙房輸水工程TBM預制管片襯砌方案及施工
        廣元:治理黑臭水體 再還水清岸美
        大伙房輸水隧洞TBM法施工風險識別及對策
        水質總磷測定存在的問題初探
        河南科技(2014年23期)2014-02-27 14:19:07
        水質總氮測定方法改進探究
        河南科技(2014年18期)2014-02-27 14:14:54
        国产精品成人黄色大片| 欧美操逼视频| 无限看片在线版免费视频大全| 免费一级a毛片在线播出| 亚洲精品中文字幕乱码3| 美女露出自己的性感大胸一尤内衣 | 人妻少妇无乱码中文字幕| 国产v综合v亚洲欧美大天堂 | 爽爽影院免费观看| 大又大又粗又硬又爽少妇毛片| 国产亚洲精品美女久久久| 中文字幕亚洲无线码| 亚洲色四在线视频观看| 国产91极品身材白皙| 欧美成人精品a∨在线观看| 激情欧美日韩一区二区| 欧美视频九九一区二区| 午夜少妇高潮免费视频| 亚洲tv精品一区二区三区| 国产精品一区二区无线| 亚洲欧洲精品国产二码| 亚洲女同人妻在线播放| 日本成人精品在线播放| 波多野结衣的av一区二区三区| 国产精品半夜| 精品蜜桃av一区二区三区| 亚洲人妻调教中文字幕| 国产精品夜间视频香蕉| 久久av高潮av喷水av无码| 精品女人一区二区三区| 亚洲av永久无码精品一福利| 精品人妻系列无码一区二区三区| 无码av免费永久免费永久专区 | 欧美日韩亚洲中文字幕二区| 亚洲人成网站77777在线观看 | 中文字幕福利视频| 日本高清二区视频久二区| 久久久久久久久无码精品亚洲日韩| 日本最新免费二区| 国产精品亚洲综合久久婷婷| 官网A级毛片|