基于GA-BP的湖泊生态安全非点源污染数量化研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 引言 | 第7-15页 |
| ·研究背景 | 第7-12页 |
| ·湖泊生态安全研究概况 | 第7-9页 |
| ·生态安全涵义及研究状况 | 第7-8页 |
| ·湖泊生态安全涵义及研究状况 | 第8-9页 |
| ·滇池流域污染近况及国内非点源污染研究进展 | 第9页 |
| ·BP神经网络在环境科学领域的应用及研究进展 | 第9-12页 |
| ·神经网络在环境科学领域的应用 | 第10页 |
| ·BP神经网络的研究进展 | 第10-12页 |
| ·神经网络结合遗传算法在环境科学领域的应用 | 第12页 |
| ·研究目的及意义 | 第12-13页 |
| ·研究内容及技术路线 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·研究技术路线 | 第13-15页 |
| 2 BP神经网络和遗传算法原理 | 第15-25页 |
| ·神经元及多层前馈神经网络 | 第15-17页 |
| ·神经元 | 第15-16页 |
| ·多层前馈神经网络模型 | 第16-17页 |
| ·基于BP算法的多层前馈网络模型 | 第17-19页 |
| ·遗传算法基本原理 | 第19页 |
| ·遗传算法基本流程 | 第19-25页 |
| ·遗传编码 | 第20-21页 |
| ·适应度函数 | 第21-22页 |
| ·选择 | 第22-23页 |
| ·交叉 | 第23页 |
| ·变异 | 第23-25页 |
| 3 模型的建立 | 第25-32页 |
| ·数据的输入输出的确定 | 第25-26页 |
| ·输入输出数据的预处理 | 第26-27页 |
| ·BP网络设计 | 第27-29页 |
| ·学习率可变的动量BP算法 | 第27-28页 |
| ·确定隐含层层数 | 第28页 |
| ·确定隐含层节点数 | 第28页 |
| ·确定合适的学习速率 | 第28页 |
| ·选取激励函数 | 第28页 |
| ·确定初始的权值、阈值 | 第28-29页 |
| ·遗传算法设计 | 第29-30页 |
| ·编码方式 | 第29页 |
| ·适应度函数 | 第29页 |
| ·选择方式 | 第29页 |
| ·交叉方式 | 第29页 |
| ·变异方式 | 第29-30页 |
| ·模型建立流程图 | 第30-32页 |
| ·建立神经网络模型逻辑关系图 | 第30-31页 |
| ·建立遗传算法结合神经网络模型逻辑关系图 | 第31-32页 |
| 4 模型验证分析 | 第32-53页 |
| ·滇池概况 | 第32-36页 |
| ·滇池地理位置及水系 | 第32-33页 |
| ·湖泊水体状况 | 第33页 |
| ·滇池流域水土流失状况 | 第33-34页 |
| ·滇池流域坡度状况 | 第34-35页 |
| ·滇池流域土地利用状况 | 第35-36页 |
| ·建立模型的河流概况 | 第36-43页 |
| ·古城河、大河(淤泥河)、柴河流域面积及坡度 | 第37-40页 |
| ·古城河、大河(淤泥河)、柴河流域土地利用类型 | 第40-41页 |
| ·古城河、大河(淤泥河)、柴河流域人口数量 | 第41-42页 |
| ·古城河、大河(淤泥河)、柴河流域流量及SS量 | 第42-43页 |
| ·训练及测试 | 第43-51页 |
| ·神经网络的训练及测试 | 第43-46页 |
| ·遗传算法结合神经网络的训练及测试 | 第46-51页 |
| ·小结 | 第51-53页 |
| 5 模型应用展望和结论 | 第53-56页 |
| ·主要结论 | 第53页 |
| ·模型应用展望 | 第53-56页 |
| ·模型在生态安全评估中应用展望 | 第53-54页 |
| ·模型在流域污染物控制中应用展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录:MATLAB遗传算法结合神经网络程序 | 第59-62页 |
| 个人简介 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 致谢 | 第64页 |
