论文部分内容阅读
水污染问题是影响滇池流域生态安全的重要环节,成为滇池流域经济社会持续发展的制约因素,非点源污染又是水污染的重要组成部分,因此,针对流域的非点源污染研究对研究整个湖泊生态安全至关重要。本文应用神经网络和遗传算法结合神经网络两种算法对湖泊生态安全中非点源污染物建立模型。根据滇池实际情况以及非点源污染相关影响指标确定出模型的输入变量指标,并以化学需氧量(COD)、总氮(TN)和总磷(TP)作为模型的输出变量指标。COD以河流流量、河流中固体悬浮颗粒物(SS)量、以及河流流域面积、坡度、人口、土地利用类型作为输入变量指标；TN的采用两种输入方式,第一种与COD的输入变量指标相同,第二种是在第一种的基础上增加COD指标作为输入变量指标；TP在TN的第二种输入变量指标基础上增加TN指标作为输入变量指标。首先,应用软件ArcGIS对6个输入变量指标提取计算出综合值,采用对数变换对输入输出变量指标进行预处理。其次,根据预处理输入输出数据确定出构建神经网络模型和遗传算法结合神经网络模型的参数及学习算法,再进行训练。最后建立出非点源污染物模型。以滇池流域为例验证结果表明：(1)、从非点源污染物指标COD、TN和TP的测试误差中发现以河流流量、河流中SS量、以及河流流域面积、坡度、人口、土地利用类型的综合值作为神经网络和遗传算法结合神经网络非点源污染物模型的输入是可行的并具有一定的代表性,基于神经网络对湖泊流域内非点源污染物建立模型亦是可行的。(2)、采用遗传算法结合BP神经网络的模型测试平均误差明显小于采用BP神经网络的模型测试平均误差,从而说明遗传算法结合BP神经网络非点源污染物模型要优于神经网络非点源污染物模型。(3)、TN的第二种输入方式优于第一种,第二种输入亦是提高结果准确度的一种可行方法。