Prediction of the concentration of chlorophyll-α for Liuhai urban lakes in Beijing City

Introduction The eutrophication of fresh w ater has becom e a m ain w ater environm ental problem in the w orld. The m ain negative im pacts of fresh w ater eutrophication are w ater quality deterioration and the decrease of hydrophytes and aquatic specie…     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

基于地理分区及神经网络的湖泊水库富营养化研究

构建了一个基于地理分区及神经网络的湖泊水库富营养化综合评价体系.以美国环境保护署Nutrient Criteria Database数据库为参照对象,有针对性地研究我国湖泊水库的情况,首次提出了基于地理分区的简易评价标准,对不同地理特征的水体富营养化临界值进行了定量研究.同时本研究还建立了基于神经网络的富营养化评价模型...     

非参数模型在河湖富营养化研究领域应用进展

河湖富营养化过程受流域水污染、生境破坏和闸坝控制等多因素非线性叠加影响,在一定程度上限制了常规水生态机理模型的模拟精度.非参数模型以其强大的数据分析能力在河湖水生态问题诊断和预测方面得到了广泛应用,该文系统梳理了国内外近20年来河湖富营养化非参数模型的相关研究成果,通过Citespace开展基于WoS与CNKI数据库的相关文献大数据可视化分析,全面阐明了结构方程模型（SEM）、贝叶斯网络（BN）、支持向量机（SVM）、人工神经网络（ANN）、随机森林（RF）、梯度推进机（GBM）、广义相加模型（GAM）等主流非参数模型在河湖富养化营研究中的适用性与局限性,对具有相似特征的模型进行对比分析并提出展望,以期为水生态模拟相关研究提供科学有效的方法支撑.结果表明:非参数模型在河湖富营养化研究领域中的应用呈指数增长趋势,其中SEM、BN、RF、GBM和GAM模型适用于河湖富营养化问题的诊断和驱动要素识别,BN、ANN、SVM、RF、GBM和GAM具有良好的非线性拟合预测能力.非参数模型将是今后一段时期内开展水生态大数据分析诊断和预测管控的关键技术手段.综合考虑区域异质性与多重环境因子在不同时空尺度上响应关系及强人类活动干扰下的河流水生态退化风险,利用生态机理模型与非参数模型耦合求解与优化算法引入,精准识别水生态健康退化的环境压力阈值,开展变化环境下的水生态退化风险预测预警,将是未来非参数模型在河湖富营养化应用研究的重要方向.      

典型云南高原湖泊叶绿素a与影响因子的定量关系及对比分析

湖泊富营养化的影响因子涉及水文、物化、生物等多方面,具有复合性和非线性特征,定量化其与影响因素间的相关关系有助于识别影响湖泊营养状态的关键因子,可以用较低的成本、较短的时间达到理想的控制效果.云南高原湖泊具有易发生富营养化的自然和气候特征,对其富营养化发生条件及影响因子的分析可为科学的控制决策提供参考.本文选取云南滇池、程海、抚仙湖和异龙湖4个高原湖泊,比较湖泊自然特征与流域社会经济条件的异同;构建包括绝对主成分多元线性回归分析(APCS-MLR)、结构方程模型(SEM)及人工神经网络模型(ANN)的综合分析方法,重点关注并确定浮游初级生产力的代表指标(叶绿素a,Chla)与相关影响因子间的定量相关关系.研究发现:14个湖泊中,对Chla浓度变化影响最大的均为理化因子,但在各湖中该影响的正、负性及不同理化因子的贡献权重有较大差异;2流域污染源构成的不同在一定程度上影响了入湖的氮、磷负荷,使4个湖泊表现出不同的营养盐限制性特征;3流域面积、湖泊形态及湖体水动力条件影响着营养盐在湖体中的迁移转换,造成4个湖泊富营养化的差异性特征;4对Chla与影响因子间因果关联的识别须结合深入的机理过程分析.     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。     

湖泊富营养化评价模型的发展和应用

以湖泊富营养化模型研究的发展为主线,着重介绍了四类富营养化模型,即：营养盐模型,浮游植物生态模型,生态动力学模型和人工神经网络模型。通过对目前国内外常用富营养化模型的建立思路和应用实例进行概括和描述。对不同模型的优缺点和适用范围进行了分析比较,对水体富营养化研究的最新发展趋势进行了预测和展望,为湖泊水库综合管理提供了有效参考。     

人工神经网络及分子拓扑参数在酚类有机物QSBR研究中的应用

利用分子拓扑参数作为输入参数,探索了人工神经网络对２７种酚类有机物的定量结构－生物降解性能关系（ＱＳＢＲ）。结果表明,将人工神经网络运用于有机物的生物降解性能建模是可行的。所建模型预测结果和文献数据十分接近,预测能力优于已有文献报道,且能够较好区分同分异构体。     

达里诺尔湖溶解性有机质荧光特征与人工神经网络非线性响应研究

研究湖泊水体DOM（溶解性有机质）特征及其与复合环境要素的响应关系,对水生态系统保护及生物地球化学循环研究具有重要意义.以内蒙古达里诺尔湖（简称“达里湖”）为研究区,利用紫外-可见光谱技术（UV-vis）和人工神经网络模型（ANN）方法,开展达里湖水体DOM特征识别及其水质响应关系的研究.结果表明:①达里湖水环境污染程度较为严重,水体呈富营养化趋势.DOM吸收系数〔α（355）〕表明,夏季湖体DOM浓度较高.②建立了α（355）与达里湖水体ρ（TN）、ρ（TP）、pH和ρ（Chla）的人工神经网络模型,该模型验证期和测试期决定系数（R2）分别为0.78和0.84,该模型具有较好的DOM模拟和预测能力.③人工神经网络模型参数敏感性分析结果表明,α（355）对ρ（Chla）变化最敏感,敏感性水平为31.95%;其次为pH和ρ（TN）,α（355）对二者变化的敏感性水平分别为28.53%和25.54%;α（355）对ρ（TP）变化敏感性最低,敏感性水平为8.16%.研究显示,达里湖DOM对富营养化的发生具有较显著的表征影响,人工神经网络模型可为富营养化预测提供科学参考.      

应用神经网络对地下水反硝化效果预测与验证

应用人工神经网络对生物脱氮工艺进行预测并验证。采用工艺参数如COD、NO3-N、NO2-N、DO等作为输入节点,COD、NO3-N作为输出节点。结果显示神经网络能够较好地预报出水的水质参数。出水硝酸盐和COD预测结果与试验结果符合得较好,相对误差分别在10％和5％范围内。     

人工神经网络方法用于城市环境空气质量综合评价

采用人工神经网络技术,建立了城市环境空气质量综合评价的ANN模型,并通过实例对建立的评价模型进行验证。结果证明,ANN模型用于区域环境空气质量评价,其评价结果比较直观。同时,对在建立和应用ANN模型时应注意的一些问题进行了讨论。     

第二阶梯湖泊富营养化自然地理因素及效应

为了明晰影响我国地形地貌第二级阶梯湖泊富营养化的主要自然地理驱动因素,为湖泊富营养化的有效治理提供参考,采用曲线回归方法分析了位于我国第二级阶梯的云南和新疆湖泊中Chl-a以及营养状态综合指数(TLI)与自然地理特征的相关性.结果表明,平均水深、海拔以及年均温与TLI指数具有较好的相关性,拟合模型分别符合三次/对数模型、二次模型和三次模型.Chl-a与年平均日照时数具有较好的相关性,拟合模型符合二次/三次模型.分析富营养化效应,藻类生长对透明度的影响以及营养物质对浮游藻类的生态效应(Chl-a/TP),结果发现,新疆湖泊中Chl-a与透明度呈倒数关系,云南湖泊中Chl-a与透明度呈幂函数关系;Chl-a与总磷的线性方程的斜率分别为177.595(云南)和222.758(新疆).影响我国第二级阶梯湖泊富营养化的主要自然地理驱动因素是湖泊的平均水深、海拔、年均温度及年平均日照时数,透明度与Chl-a含量的相关性以及营养物质TP对浮游藻类的生态效应存在区域差异.     

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.     

中国主要河口海湾富营养化特征及差异分析

针对我国65个沿海河口海湾,基于自然地理数据及2007~2012年水质监测数据,采用箱须图法、聚类分析、相关性分析和主成分分析等方法,探讨河口海湾间富营养化特征、差异性及主要原因.结果表明,大型河口海湾的富营养化状态指标值相对较高,但河口海湾间富营养化响应指标值存在一定差异.DIN、PO₄^3--P和COD是河口海湾富营养化特征的第1主成分,DO和Chl-a是第2主成分,盐度、水深、潮差和面积等是第3主成分,河口海湾水体Chl-a浓度与TN入海量(P<0.01)、DIN(P<0.01)、PO₄^3--P(P<0.05)、流量(P<0.01)、温度(P<0.05)呈显著性正相关,同时与潮差(P<0.05)和盐度(P<0.01)和DO(P<0.01)呈显著性负相关.表明营养盐入海量增多是引起河口海湾一系列富营养化症状的主要因素,但河口海湾自然属性会调节其富营养化状态,造成系统间响应特征的差异.潮差小于2.5m的河口海湾,其营养盐转化效率明显高于潮差大于2.5m的河口海湾.说明河口海湾潮差可通过改变水体滞留时间、垂直混合和光照条件等,调节浮游植物生物量对营养盐的敏感性.此外,与外海的水体交换,海洋生物的捕食,及其他形态营养盐的供给等作用,也会影响河口海湾水体Chl-a的水平.人类活动带来的营养盐输入,以及河口海湾特有的自然属性,共同决定了其富营养化特征的差异和程度.     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。     

Assessment of physically-based and data-driven models to predict microbial water quality in open channels

In the present study,a physically-based hydraulic modeling tool and a data-driven approach using artificial neural networks (ANNs) were evaluated for their ability to simulate the fate and transport of microorganisms in a water system.To produce reliable data,a pipe network was constructed and a series of experiments using a fecal coliform indicator (Escherichia coli 15597) was conducted.For the physically-based model,morphological (pipe size,link length,slope,etc.) and hydraulic (flow rate) conditions were used as input variables,and for ANNs,water quality parameters (conductivity,pH,and turbidity) were used.Both approaches accurately described the fate and transport of microorganisms (physically-based model: correlation coefficient (R) in the range of 0.914 – 0.977 and ANNs: R in the range of 0.949 – 0.980),with the exception of one case at a low flow rate (q = 31.56 cm 3 /sec).This study also indicated that these approaches could be complementarily utilized to assess the vulnerability of water facilities and to establish emergency plans based on hypothetical scenarios.     

基于模糊权物元分析模型的湖泊富营养化评价

运用模糊权重,结合层次分析法和物元分析法,试图构建模糊权物元分析模型。该模型不仅继承了经典物元分析的优点,同时充分考虑了权重的不确定性。按照中国湖泊富营养化评价标准,把湖泊水体富营养化程度划分为6个等级,选取Chl-a、TP、TN、CODMn和SD等5个指标为评价指标,应用该模型对东昌湖富营养化进行了评价,结果表明:所监测的3个湖区均为富营养化等级,其中又以西北湖区最严重,西南湖区次之,东南湖区相对较好。研究结果与实际相符,说明了此方法具有良好的可靠性,可适用于湖泊富营养化的综合评价。     

水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法,以成都市金堂县东风水库水质资料为例,建立了地面水水质综合评价的BP网络和Hopfield网络模型。BP网络模型以单输出代替多输出可保证评价结果的唯一性。Hopfield网络更优于BP网络,既适用于定量指标的水质参数又适用于定性指标的水质参数,而且使水质评价形象化     

利用复合微生物菌剂控制水华的治理工程试验

为了探索利用微生物控制正在爆发水华的富营养化城市内湖的效果,试验利用光合细菌(Rhodop seudomonas palustris)、芽孢杆菌(Bacillus subtilis)2种微生物菌剂,采用直接投放的方式,治理武汉市重度富营养化湖泊四美塘湖(西),治理时间从2008年8月1日持续到2008年9月27日,治理结束后,湖水水质从劣Ⅴ类提高到Ⅴ类,高锰酸钾盐指数除去率达52.78%,TN除去率达49.26%,TP除去率达73.02%,氨氮除去率达16.18%,Chl-a含量降低了46.70%。治理进行1个月后,湖水的感官效果大幅提高,藻类水华完全消失,透明度提高,不良气味消失。在投菌结束后的3个月内,湖水水质仍然保持良好,没有出现反弹。利用复合微生物菌剂治理富营养化湖泊,控制水华的爆发,是一种经济、快速、无二次污染的富营养化水体治理方法,如将其与其他的治理技术相结合将会使其在富营养化水体治理领域中发挥重要的作用。