水质预测数学代码坦桑尼亚Mtendeli难民营的水质分析和预测 学位论文，2018年4月，多伦多大学 这是我的学士学位论文的目录，这是完成我的多伦多大学工程科学学士学位的最后一个里程碑，2018年。 今天，坦桑尼亚Mtendeli营地的难民从水龙头站手动取水到营地，以供第二天或第二天使用。 但是，有时由于每天气候条件的变化以及在一个经常不卫生的难民营环境中受到污染的机会而评估水是否仍然可以安全使用，这有时是极富挑战性的。 众所周知的一阶或二阶衰减模型未能产生始终如一的准确预测。 该项目首先进行深入的数据分析，并采用机器学习方法来预测未来的水质，以解决这些关键问题。 有关完整和详细的结果，请参阅Report.pdf 。 有关简要概述，请参阅Presentation.pdf 。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 运行代码和再现结果所需的环境是一台装有有效MATLAB的计算机。 更具体地说，被使用。 项目结构 project/目录具有以下文件夹（和文件）结构： data/ 。 包含无国界医生提供的原始数据集的目录。 matlab/ 。

基于改进PSO-BP神经网络的水厂原水水质预测研究，张钰鑫，龚萍，为保障城市供水安全，掌握水厂原水水质的变化趋势，对原水水质污染进行提前预警和防控，本文采用优化的神经网络模型对水厂原水化

基于灰色理论与神经网络的水质组合预测模型的研究是当前水质预测领域的研究热点之一，国内外众多研究者都在尝试如何将灰色理论与神经网络进行有效组合，以获得更好的预测效果。因此，本文在借鉴前人的成果基础上，采用串联组合方法分别对基于灰色理论与 神经网络的水质组合预测模型、基于灰色理论与 神经网络的水质组合预测模型进行了对比研究，同时提出了一种预测效果更佳的基于时间窗口移动技术与 神经网络的水质组合预测模型。 首先，本文根据中国环境质量公报（淡水环境）中长江水环境质量状况以及结合重庆市长江流域断面的实际情况筛选出七项水质指标，然后论述了灰色 模型、 神经网络以及 神经网络的相关理论和算法，接着建立了基于灰色理论与 神经网络的水质组合预测模型和基于灰色理论与 神经网络的水质组合预测模型，并以重庆市长江寸滩断面1998年至2008年的水质数据为例进行了实例测试和结果分析，也对两种组合预测模型的结果进行了对比与讨论，得出了后者预测效果更好等结论。 与此同时，通过以上两种组合预测模型的研究，本文提出了基于时间窗口移动技术与 神经网络的水质组合预测模型，并仍以长江寸滩断面为例，经过研究和实例测试表明该模型能够较好的对长江流域寸滩断面的水质进行预测，在整体上其预测效果比前两种组合预测模型更为理想，而且该模型能够较好地应用于水质指标预测和管理中，为河流水质预测提供重要的科学依据。 最后，本文采用基于 神经网络的水质评价模型对重庆市长江寸滩各年的水质进行了等级评价，并与中国环境保护部公布的水质评价结果进行了对比分析，其结果表明水质评价结果在一定程度上能够正确地反映长江寸滩当前的水质状况。

这是2005年数学建模国赛a题，长江水质预测，采用matlab实现，若有需要可进行下载交流。

该资源内包括两个东西，一个是用天牛须智能算法(BAS)配合模糊神经网络对水质评估的论文说明，另一个是有关于离散模糊控制的MATLAB程序，可以通过第二个了解相关的模糊神经网络原理

水环境预测软件，水质预测模型，包含河流、湖库的一维水质模型、二维水质模型。内置各种模型公式和解释。针对环境影响评价、环评预测、饮用水水源保护区划分预测具有很好的帮助。