水質(zhì)預(yù)測是根據(jù)水質(zhì)歷史監(jiān)測數(shù)據(jù),運(yùn)用預(yù)測模型對水質(zhì)未來的變化趨勢進(jìn)行預(yù)測。水質(zhì)變化與水體污染息息相關(guān)。水質(zhì)預(yù)測是水環(huán)境污染防治中的一項基礎(chǔ)性工作,對促進(jìn)水資源的可持續(xù)利用與及時的污染防治有著重要的現(xiàn)實意義,在防污預(yù)警系統(tǒng)、供水系統(tǒng)、泳灘水質(zhì)預(yù)報系統(tǒng)等發(fā)揮著積極作用。時間序列是指按照時間先后順序依次排列的一組觀測值,水質(zhì)監(jiān)測站所采集的水質(zhì)數(shù)據(jù)便是一種時間序列,隨季節(jié)呈現(xiàn)周期性變化,具有時序性。水環(huán)境是一個受多種因素影響的灰色系統(tǒng),各水質(zhì)指標(biāo)在多種因素的相互作用下,具有復(fù)雜的多元相關(guān)性。本文在前人研究的基礎(chǔ)上,基于水質(zhì)數(shù)據(jù)的時序性,將常用于處理時序序列應(yīng)用問題的長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short Term Memory Neural Network,LSTM NN)引入到水質(zhì)預(yù)測中,建立基于LSTM的水質(zhì)預(yù)測模型對水質(zhì)指標(biāo)進(jìn)行預(yù)測;基于水質(zhì)數(shù)據(jù)的多元相關(guān)性,使用一種改進(jìn)灰色關(guān)聯(lián)分析算法(Improved Grey Relational Analysis,IGRA)對待預(yù)測水質(zhì)指標(biāo)進(jìn)行關(guān)聯(lián)分析,將選出的關(guān)聯(lián)指標(biāo)與待預(yù)測水質(zhì)指標(biāo)一同作為輸入特征進(jìn)行預(yù)測。本文主要工作有如下:(1)本文對水...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容
    1.3 論文結(jié)構(gòu)安排
第二章 國內(nèi)外相關(guān)研究現(xiàn)狀綜述與分析
    2.1 水質(zhì)預(yù)測研究現(xiàn)狀綜述與分析
    2.2 LSTM研究現(xiàn)狀綜述與分析
    2.3 本章小結(jié)
第三章 基于LSTM的水質(zhì)預(yù)測方法
    3.1 基于LSTM的水質(zhì)預(yù)測模型構(gòu)建
    3.2 基于LSTM水質(zhì)預(yù)測模型計算
    3.3 基于LSTM水質(zhì)預(yù)測方法整體流程
    3.4 實驗與分析
        3.4.1 太湖數(shù)據(jù)集
        3.4.2 數(shù)據(jù)預(yù)處理
        3.4.3 預(yù)測結(jié)果
    3.5 本章小結(jié)
第四章 基于IGRA-LSTM的水質(zhì)預(yù)測方法
    4.1 基于IGRA-LSTM的水質(zhì)預(yù)測模型構(gòu)建
    4.2 基于IGRA的特征選擇
    4.3 基于IGRA-LSTM水質(zhì)預(yù)測方法整體流程
    4.4 實驗與分析
        4.4.1 Victoria數(shù)據(jù)集
        4.4.2 數(shù)據(jù)預(yù)處理
        4.4.3 特征選擇
        4.4.4 預(yù)測結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間發(fā)表的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3773687