基于粒子群算法优化极限学习机的区域地下水水质综合评价模型

基于粒子群算法优化极限学习机的区域地下水水质综合评价模型

论文摘要

地下水环境质量的准确评价可降低由水质不确定性导致的农业水管理决策风险,对于指导区域发展绿色农业、清洁生产等均具有重要的实践意义。针对ELM会随机产生输入层与隐含层的连接权值和隐含层阈值,导致网络泛化能力降低以及过度拟合引起的评价结果失真问题,提出一种基于粒子群算法优化极限学习机的地下水水质综合评价模型。选取黑龙江省建三江地区为研究区域,通过典型农业机井中地下水体的实地采样,利用构建的PSO-ELM模型对地下水水质进行综合评价。结果表明:PSO-ELM模型拟合性高于传统的ELM模型和RBF模型,并提高了区域地下水水质的模拟评价效果。建三江地区下辖的15个农场,整体地下水水质较好。研究区范围内地下水水质等级呈现出集中式分布特点,地下水综合水质较差的农场集中在研究区中东部,水质较好的农场集中在研究区的东西两侧。建三江地区地下水水质地域性规律主要与化肥施用量有关。为此,在保障粮食安全与用水安全的同时实现清洁生产应注意控制化肥的使用量,积极探索作物高产新举措。

论文目录

  • 1 研究区概况与资料
  •   1.1 区域概况
  •   1.2 数据来源
  • 2 研究方法
  •   2.1 ELM基本原理
  •   2.2 PSO优化算法
  •   2.3 PSO算法优化ELM
  •   2.4 地下水水质等级确定
  •   2.5 构建基于PSO-ELM的地下水水质评价综合模型
  • 3 结果与分析
  • 4 讨论
  •   4.1 模型拟合效果
  •   4.2 模型评价结果的可靠性
  •   4.3 地下水水质的影响因素
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 朱伟峰,张皓然,张亮亮,刘东

    关键词: 极限学习机,粒子群算法,地下水水质,综合评价模型,建三江地区

    来源: 南水北调与水利科技 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

    专业: 环境科学与资源利用

    单位: 黑龙江省农田水利管理中心,东北农业大学水利与土木工程学院

    基金: 国家重点研发计划(2017YFC0406002),国家自然科学基金(51579044,41071053,51479032),黑龙江省自然科学基金(2017007),黑龙江省水利科技项目(201319,201501,201503)~~

    分类号: X824

    DOI: 10.13476/j.cnki.nsbdqk.2019.0093

    页码: 129-137

    总页数: 9

    文件大小: 1784K

    下载量: 327

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于粒子群算法优化极限学习机的区域地下水水质综合评价模型
    下载Doc文档

    猜你喜欢