题目：基于神经网络的渭河水质

水污染问题日益严重，尤其是内陆水体，其水质的好坏直接影响国民生产和人们日常生活。及时、准确地了解水体水质的状况及变化趋势，对于更好地管理水资源、保护水环境具有十分重要的意义。常规的水质监测方法是采用定点定面采样，然后进行水质分析评价，这种的监测方法需要在水域中布置大量的采样点才能得到水质信息，且这种方法的水质参数只具有局部代表意义，且研究的周期长，费用高，工作量大。而水质遥感监测方法具有监测范围广、成本低、速度快和便于进行长期动态监测等优点，在内陆水体水质监测中具有巨大的应用潜力。近年来国内外对内陆水体水质遥感监测开展了一系列的研究，但是针对渭河陕西段的研究还甚少。本文就渭河陕西段河流区域结合SPOT-5遥感影像，开展了研究。主要工作如下：
本文以渭河陕西段为研究区域，采用SPOT-5遥感影像，根据现行水质标准，结合近几年陕西省环境公报公布的渭河水质状况，渭河以有机污染为主，并参考监测站的监测数据，本文选取了高锰酸盐指数(CODmn)、氨氮(NH3-N)、溶解氧(DO)、化学需氧量(COD)四个水质变量进行反演分析。
SPOT-5遥感数据具有较高的空间分辨率，能够更清晰的看到影像图信息。本文先对SPOT-5遥感图像进行了辐射定标、大气校正和几何精校正等预处理，再分别与CODmn、NH3-N、DO、COD等进行相关性分析，结果表明SPOT-5遥感数据四个波段与这四个水质变量都有较高的相关性。
渭河水质状况复杂，利用传统统计多元回归方法难以精确地描述光谱反射率与水体组分之间的关系。而人工神经网络具有自适应、自学习、自组织和非线性映射的功能，本文就尝试了用神经网络对渭河陕西段流域定量遥感反演研究。本文总结了人工神经网络的基本概念、原理、算法和主要应用等，在此基础上概括了其在水质反演方面的一些应用。
本文分别详细介绍了BP神经网络、径向基神经网络（RBF）、广义回归神经网络（GRNN）和改进的广义回归神经网络水质遥感反演模型的构建，并针对不同的水质参数构建了不同的模型。将各个模型的反演结果与传统统计多元回归模型反演结果进行了比较，结果表明，用神经网络模型可以较好地实现渭河陕西段的遥感水质反演，在同等条件下，好于传统统计多元回归模型的反演结果。