基于智能计算影响河流水质因素分析.pptxVIP

基于智能计算的影响河流水质的因素分析 基于智能计算的影响河流水质的因素分析 智能算法 预测模型 模型研究 软件创新 项目概要 水是生命之源。。。 人们都说： 项目的相关链接 智能算法 预测模型 模型研究 软件创新 项目概要 2011年4月16日下午，在江南大学文浩馆，易中天先生说道：“……我来到了美丽的太湖湖畔，虽然那水有点味道。” 项目的相关链接 智能算法 预测模型 模型研究 软件创新 项目概要 2007年5月29日，在无锡爆发了“太湖蓝藻事件”。 项目的相关链接 智能算法 预测模型 模型研究 软件创新 项目概要 2011年7月21日，在四川绵阳爆发了“水污染”事件，一场水污染事件让绵阳全城陷入一场“水危机”。 项目的研究意义 智能算法 预测模型 模型研究 软件创新 项目概要 水与我们密切相关 所以，有关水质预测的项目是具有强烈历史使命感和实际应用价值的。 项目的研究意义 智能算法 预测模型 模型研究 软件创新 项目概要 河流水质预测与评价是水资源规划和开发利用的重要组成部分，随着人口与经济的增长，世界水资源的需求量不断增加，水环境受到不断恶化，水资源紧缺已成为世人共同关注的全球性问题。 项目的研究意义 智能算法 预测模型 模型研究 软件创新 项目概要 如何合理地利用水资源，保护水环境，有效地保障水环境安全，直接影响到国民经济、社会发展以及生态环境质量的变化，关系到人们的生命健康问题。为了有效地控制和治理河流水体污染，加强水资源的统一管理，保障水资源的可持续利用，了解水资源状况及发展变化趋势，必须全面正确地分析影响河流水质的因素。 项目应用价值 智能算法 预测模型 模型研究 软件创新 项目概要 水质评价是以水环境监测资料为基础，按照一定的评价标准和评价方法，对水质要素进行定性或定量评价，以准确反映水质现状，了解和掌握水体污染影响程度和发展趋势，为水环境保护和水资源规划管理提供科学依据。 “深入浅出”介绍项目涉及的智能算法 项目概要 预测模型 模型研究 软件创新 智能算法 目前，常用的水质评价方法主要有简单指数法、分级加权平均法、综合污染指数法、模糊数学法、普通概率统计法等。上述方法虽然都有一定的数学基础和理论依据。但水质系统是一个由多因子构成的复杂系统，水质评价受诸多指标因子的影响，从而使上述方法在进行水质评价时表现出一定的局限性。 传统的水质评价方法基本都是统计的方法 BP神经网络模型预测法（Back Propagation） 项目概要 预测模型 模型研究 软件创新 智能算法 BP神经网络模型预测法具有大规模信息处理、分布式联想、自学习及自组织的特点，作为一个高度非线性系统，具有很强的容错功能，在水质预测、水质评价、模式识别、系统辨识等复杂问题的研究上具有非常好的适用性。 智能算法 “深入浅出”介绍BP神经网络 项目概要 预测模型 模型研究 软件创新 智能算法 50× 50× 选取50组苹果，50组橙子 对BP神经网络模型进行训练 训练确定了网络的权值和阈值 训练完成后，选择一个苹果，进行仿真 主成分分析法（Principal Component Analysis） 项目概要 预测模型 模型研究 软件创新 智能算法 主成分分析（PCA），旨在利用降维的思想，把多指标转化为少数几个综合指标。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。主成分分析法的目的是希望用较少的变量去解释原来资料中的大部分变量（85%以上），将许多相关性很高的变量转化成彼此相互独立或不相关的变量。 主成分分析法 “深入浅出”介绍主成分分析法 项目概要 预测模型 模型研究 软件创新 智能算法 水果拼盘= 蔬菜拼盘= 可以用2个综合指标代替原来7个普通指标 每个指标前面的系数，就相当于是PCA的载荷 主成分分析法与因子分析法的区别 项目概要 预测模型 模型研究 软件创新 智能算法 很多人将这2个算法混淆，其实二者有明显的区别。主成分分析法是因子分析法的特殊表达。简单理解，其实主成分分析法是因子分析法的逆向过程。 主成分分析法与因子分析法的区别 做学问得严谨！至于你信不信，反正，我是信了！ “深入浅出”介绍因子分析法（Factor Analysis ） 项目概要 预测模型 模型研究 软件创新 智能算法 它们是有什么组成的？ ①碳水化合物 ②维生素A ③维生素C 原来7组指标，用3个成分代替 BP神经网络的局限性 项目概要 预测模型 模型研究 软件创新 智能算法