L-M优化改进的BP网络模型在水环境承载力评价中的应用研究

详细信息    查看全文 | 推荐本文 |

英文篇名：The Application of L-M optimized BP Network Model in Water Environment Capacity Evaluation 作者：黄天炎 ; 唐莲 英文作者：HUANG Tian-yan;TANG Lian;School of Civil and Hydraulic Engineering, Ningxia University; 关键词：L-M算法 ; BP网络 ; 水环境承载力 ; 泾河流域 英文关键词：L-M algorithm;;BP network;;water environment capacity;;Jinghe River Basin 中文刊名：中国农村水利水电 英文刊名：China Rural Water and Hydropower 机构：宁夏大学土木与水利工程学院; 出版日期：2019-05-15 出版单位：中国农村水利水电 年：2019 期：05 基金：宁夏2018重点研发计划项目(2018BEG03008);; 宁夏自然科学基金(NZ17032);; 宁夏高等学校一流学科(水利工程学科)项目(NXYLXK2017A03);; 国家自然科学基金(51269022) 语种：中文; 页：52-56 页数：5 CN：42-1419/TV ISSN：1007-2284 分类号：TV213.4;X824

摘要

以泾河流域为例,通过对该流域2014-2016年各季节水质与水生态环境指标的提取与测定,构建了能够反映流域水环境整体状况的指标体系和分级标准;然后利用MATLAB语言建立了L-M优化改进的BP网络结构,并科学、准确地评价了泾河流域水环境承载力状况。研究表明:L-M算法不仅克服了经典BP网络训练速度慢、局部陷入极小的缺陷,而且可提高输出结果的有效性与准确性;泾河流域2014-2016年的水环境承载力分别为0.67、0.52、0.48,整体处于基本可承载水平,并表现出逐渐下降的趋势。
        Taking Jinghe River Basin for example, this paper constructs an index system and classification standard which can reflect the overall situation of water environment that through the extraction and determination of water quality and ecological environment indexes in each season from 2014 to 2016. Then, the L-M optimized and improved BP network structure are established by using MATLAB, the water environment carrying capacity of Jinghe River is evaluated scientifically and accurately. The results show that the L-M algorithm not only overcomes the defects of slow training speed and small local immersion in the classical BP network, but also improves the validity and accuracy of the output results. The water environment carrying capacity of Jinghe from 2014 to 2016 was 0.67, 0.52 and 0.48, respectively. The overall capacity is at the basic load-bearing level and shows a gradual downward trend.

引文

[1] 李玮,肖伟华,秦大庸,等.水环境承载力研究方法及发展趋势分析[J].水电能源科学,2010,28(11):30-32.
    [2] 赵有益,刘彤彤.黄河兰州段水质模糊综合评价[J].人民黄河,2010,32(6):48-51.
    [3] 余卫东,闵庆文,李湘阁.水资源承载力研究的进展与展望[J].干旱区研究,2003,(1):60-66.
    [4] SHR ESTHA S.Assessment of surface water quality using multivariate statistical techniques:A case study of the Fuji river basin,Japan[J].Environmental Modelling and Software,2006,22(4):464-475.
    [5] 郑毅,蒋进元,杨延梅,等.基于向量模法的南宁市水环境承载力评价分析[J].环境影响评价,2017,39(1):65-79.
    [6] 邵东国,王忠静,李元红,等.干旱内陆河流水质预测人工神经网络模型研究[J].灌溉排水,1999,18(4):7-12.
    [7] 楼文高.BP神经网络模型在水环境质量综合评价应用中的一些问题[J].水产学报,2002,26(1):92-96.
    [8] 张旋,王启山,于淼,等.基于聚类分析和水质标识指数的水质评价方法[J].环境工程学报,2010,4(2):476-480.
    [9] 丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科学技术大学出版社,1998:8-62.
    [10] 李晶.基于人工神经网络的黄河宁夏段水质评价研究[D].银川:宁夏大学,2013.
    [11] 刘佳骏,董锁成,李泽红.中国水资源承载力综合评价研究[J].自然资源学报,2011,26(2):259.
    [12] 周翔,朱学愚.基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用[J].水利学报,2008,(12).