結合灰色模型對營口地區(qū)水質狀況進行預測,并結合采樣數(shù)據(jù)對比模型的適用性。分析結果表明:灰色模型在營口地區(qū)水庫預測具有較好的適用性,水庫總氮、總磷、COD5、及氨氮的預測誤差均在30%以內(nèi),滿足水質預測的精度要求。研究成果對于水庫水質預測具有重要的方法參考價值。
【文章目錄】：
1 概況
2 研究方法
3 研究成果
    3.1 研究區(qū)域概況
    3.2 模型參數(shù)設置
    3.2 COD5水質指標預測適用性分析
    3.3 氨氮水質指標水質指標預測適用性分析
    3.4 總氮水質指標水質指標預測適用性分析
    3.4 總磷水質指標預測適用性分析
3研究結論

【相似文獻】

相關期刊論文 前10條

1 張書新;馬旭東;陳慧穎;王眾;;加權多核支持向量回歸機在水質預測中的應用[J];通化師范學院學報;2016年10期

2 魏文秋,孫春鵬;灰色神經(jīng)網(wǎng)絡水質預測模型[J];武漢大學學報(工學版);1998年04期

3 劉陽;;灰色模型在水庫水質預測中的應用研究[J];水土保持應用技術;2019年05期

4 郭棟生,袁小英,吳弢,呂曉軍;萬家寨引黃工程引水終端水質預測分析[J];環(huán)境化學;2002年03期

5 胡桂榮;;水質預測模式在環(huán)境質量監(jiān)測中的應用研究[J];寧夏農(nóng)林科技;2012年05期

6 郭德偉;韓光明;田秀麗;張士杰;王艷麗;;復雜邊界河流水質預測計算[J];山東農(nóng)業(yè)大學學報(自然科學版);2008年04期

7 吳貴華;;幾種水質預測方法的比較分析[J];廣東科技;2012年11期

8 李亞男;趙永哲;;基于人工神經(jīng)網(wǎng)絡的松花江朱順屯斷面的水質預測[J];黑龍江環(huán)境通報;2012年03期

9 馬會利;尹華;佟守正;;長東北城市生態(tài)濕地公園水質預測及富營養(yǎng)化風險分析[J];長春理工大學學報(自然科學版);2011年04期

10 牛志廣;張宏偉;劉洪波;;神經(jīng)網(wǎng)絡用于近海水質預測的研究[J];天津工業(yè)大學學報;2006年02期

相關博士學位論文 前10條

1 劉雙印;基于計算智能的水產(chǎn)養(yǎng)殖水質預測預警方法研究[D];中國農(nóng)業(yè)大學;2014年

2 于（王樂）;淮河蚌埠段水環(huán)境非線性特征分析與水質預測研究[D];合肥工業(yè)大學;2012年

3 武國正;支持向量機在湖泊富營養(yǎng)化評價及水質預測中的應用研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2008年

4 韓曉剛;城市水源水質風險評價及應急處理方法研究[D];西安建筑科技大學;2011年

5 李如忠;河流水環(huán)境系統(tǒng)不確定性問題研究[D];河海大學;2004年

6 沈曄娜;流域非點源污染過程動態(tài)模擬及其定量控制[D];浙江大學;2010年

7 董麗華;河流水質發(fā)展模型研究[D];天津大學;2010年

8 徐敏;基于復雜性理論的河湖環(huán)境系統(tǒng)模型研究[D];湖南大學;2007年

9 袁從貴;最小二乘支持向量回歸及其在水質預測中的應用研究[D];廣東工業(yè)大學;2012年

10 宋華兵;河涌水質非線性模型研究[D];廣東工業(yè)大學;2013年

相關碩士學位論文 前10條

1 湯云;閩江流域水質時空分布特征分析及水質預測[D];福州大學;2018年

2 王嫄嫄;基于LSTM的水質預測方法研究[D];南京郵電大學;2019年

3 閆瑾;基于機器學習的水質預測研究[D];東北石油大學;2018年

4 譚承誠;基于相關向量機的水質預測研究[D];華南理工大學;2018年

5 王靜;基于混合數(shù)學模型的巢湖水質預測與評價[D];蘭州大學;2018年

6 李宣諭;基于人工智能對地表水的水質預測與評價研究[D];東北電力大學;2017年

7 劉洋;基于PLS和SVR的水質預測模型研究[D];昆明理工大學;2017年

8 劉宇同;一種基于人工神經(jīng)網(wǎng)絡的地表水質預測方法[D];哈爾濱工程大學;2017年

9 王菲;基于組合模型的水質預測和評價研究[D];蘭州大學;2017年

10 洪美玲;基于改進神經(jīng)網(wǎng)絡的水質預測研究[D];昆明理工大學;2019年

本文編號：2875828