长江水质的评价和预测论文_毕业论文.doc

长江水质的评价和预测 摘要： 本文根据长江沿线17个观测站（地区）近两年多主要水质指标的检测数据、干流上７个观测站近一年多的基本数据对长江水质进行了定量的研究，通过研究和分析，我们发现：如果不及时对长江进行整治，长江将会在不久的将来濒临崩溃。 在问题一中，我们利用BP神经网络模型和距离模型分别对大批量数据进行了学习训练，通过比较，得到了BP神经网络模型能更准确地反映实际情况，从而利用神经网络进一步地对长江及各地区近两年的水质污染情况作出了定量的综合评价。 在问题二中，我们把长江污染这个问题归结为一维河流水质模型，利用偏微分方程考虑污染物在河流中的变化情况，以此确定了主要污染物的污染源主要分布在湖北宜昌南津关与湖南岳阳城陵矶，安徽安庆皖河口与江苏南京林山之间。 在问题三中，我们借用灰色系统模型对长江未来10年水质污染的发展趋势做出预测分析。得到结论：如果再不采取保护措施和对废水处理的话，长江的污染将会更加严重。 在问题四中，我们首先根据往年的数据用SAS得到每一类水质中所含污染物的浓度，然后在问题三的基础上，利用问题三预测到的数据，在未来10年内每年都要求长江干流的Ⅳ类和Ⅴ类水的比例控制在20%以内，且没有劣Ⅴ类水的条件下, 建立线性规划模型来求解每年需要处理的污水量。 最后，我们在前面四问的基础上，对长江污水治理的提出了几点切实可行的建议和意见。 关键词：BP神经网络 距离模型 一维河流水质模型 偏微分方程 灰色系统 SAS 线性规划 一、问题的重述： 日益严重的环境污染，已经使得我们的生活受到了严重的影响。我国第一、世界第三大河流――长江水质的污染程度已经日趋严重，现在也引起了相关政府部门和专家们的高度重视。本文就是要求对长江污染问题进行研究和分析。 在得到了长江沿线17个观测站（地区）近两年多主要水质指标的检测数据、干流上７个观测站近一年多的基本数据（站点距离、水流量和水流速）以及《地表水环境质量标准》中4个主要项目标准限值之后，同时考虑到江河自身对污染物都有一定的自然净化能力，我们欲解决以下问题： 1） 对长江近两年多的水质情况做出定量的综合评价，并分析各地区水质的污染状况。 2） 通过对所给数据的分析，得到主要污染物的污染源的分布地区。 3） 依照过去10年的统计数据，对长江未来水质污染的发展趋势做出预测分析。 4） 根据问题3）在满足条件的情况下来估算未来每年需要处理的污水量。 5） 对解决长江水质污染问题提出切实可行的建议和意见。 二、参数说明： ：河流流入和流出的纵向流量。单位：。 ：一侧向输入和底部渗出流量。单位：。 ：单位水面的降水量与蒸发量。单位：。 ：时间内微元河段中水质量的增量。单位：。 ：河床断面。单位：。 ：河面宽。单位：。 ：单位时间、单位长度上侧向和底部的源。 ：单位时间、单位表面积上的源。 ：单位时间、单位体积内的源。 :水的密度。单位：。 ：每一段中的平均流速。单位：。 ：降解速率。单位：。 ：废水浓度。 ：干流评价河长。 ：支流评价河长。 ：长江总流量。 ：废水排放总量。 ：干流中第类水质所占干流总容量的比例。 ：支流中第类水质所占支流总容量的比例。 ：第类水质中含有废物的浓度。 ：某一年干流第类水质的总量。 ：第类水质处理为第类水质所需要的费用。（） ：第类水质处理为第类水质的数量。（） 三、模型建立及求解： 问题一： 在问题一中由于影响河流水质的因素较多，且各因素与水质好坏之间的关系是复杂的、非线性的，要做到线性拟和是不实际的也是不可行的。而人工神经网络力图模拟人脑的一些基本特性，如自适应性、自组织性和容错性等，可以比较好的解决非线性的问题。因此我们采用了基于误差反向传播算法的BP神经网络模型对长江干流及支流共17个观测站近两年来的大批量数据进行了学习训练，从而进一步地对长江及各地区近两年的水质污染情况作出了定量的综合评价。与此同时，我们也根据《地表水环境质量标准》，采用了距离判别模型对长江水质定量的综合评价。通过两个向量之间的距离（我们采用欧氏距离和绝对值距离）来衡量两个向量之间的接近度，从而来确定河流水的分类。 1.1 模型1：B-P神经网络模型 1.1.1 人工神经网络B-P模型的结构与算法 B-P算法的人工神经网络，是一种由非线性变换单元组成的前馈型网络，一般由输入层、输出层和一个或多个隐含层组成，每一层由若干个神经元组成， 结构如图。 图1：B-P网络结构 B-P网络中的信息是单向传递的，其连接程度用权值表示， B-P网络的学习过程分为两个阶段，第一阶段从输入层输入信息，经隐含层单元处理后送到输出层，并经其处理后产生一个输出模式，即正向传播。如果实际输出与给定的期望输出模式有较大误差而不满足要求，此时进入第二阶段，即从输出层向输入层进行信息传播误差修正的计算，再将误差按