杭州区域环境噪声监测点位优化探索

在杭州市现有区域环境噪声手工监测点位的基础上,结合地理分布,采用系统聚类法对2012年149个点位的数据样本分类、合并,将149个点位优化到26个,并用T检验法验证数据可靠性。优化前后各城区的点位分布比例相差不大,等效声级绝对误差在1.0 d B(A)内,相对误差不超过±5%。经过2013年和2014年数据验证,确定优化后的点位能体现声环境功能区的代表性。     

南京市城市大气采样点的聚类优化

大气采样点的优化体现了环境监测的科学性。对于大气环境要素的监测,应尽可能使每个采样点获得的数据覆盖面大、代表性强、重复性小。本文运用数理统计学聚类分析方法对南京市城区十八个监测点连续三年的测定数据进行聚类相关分析,去除重复性大、且对总体污染水平无显著性影响的测点,选出比较科学,合理而足够反映出南京城市大气污染水平及分布特征的采样点。     

聚类分析法在大气监测优化布点中的应用

以克拉玛依市大气监测网为例 ,具体阐述了聚类分析法在大气监测优化布点中的应用 ,说明聚类分析法不仅原理简单、计算量小 ,而且较为实用 ,宜于推广。     

用灰色聚类法对荔湾湖水质富营养化程度的评价

灰色聚类法把湖泊系统当作一个灰色系统来研究,将灰色聚类理论应用于湖泊富营养化程度的评价中,以广州市荔湾湖为例,建立不同的聚类指标所拥有的隶属函数,确定聚类权重值,求得最大聚类系数及聚类结果,得出用灰色聚类法进行湖泊水质富营养化评价,既能体现水质等级界线的模糊性,又能充分利用信息,避免了模糊数学法的不合理之处。因而,灰色聚类法是一种简便、客观、可靠的方法。     

物元分析法的改进及在辽河干流水质监测断面优化中的应用

在物元分析的基础上,引入各监测断面到其所在类别的重心距离,构建了一种定量的监测断面优化方法。以2009年1月—2010年12月辽河干流水环境监测数据为基础,对辽河干流水质监测断面进行优化,并采用T检验、F检验和相邻断面监测数据相关性对优化结果验证。结果表明,使用改进的物元分析法优化后,辽河干流监测断面减少为6个,监测效率提高了25%。在优化后的监测断面与在原监测断面监测获得的数据均值无显著差异、方差齐,而且经过优化后的断面重复布设情况得到显著改善,水质监测断面合理性显著增强。     

几种土壤质量评价方法的比较

分别用Ｔ值分级法，综合指数法，模糊数学综合评判法，灰色聚类法，等斜率灰色聚类法，宽域灰色聚类法对湖南某地１０个监测点的土壤质量现状进行评价，通过比较，认为宽域灰色聚类法较好。     

灰色聚类法在大气环境评价中的应用及与其它方法的比较

髟灰色聚类法对乌市和昌吉市的大气环境质量进行了评价，并就污染因子的权重问题与其它评价方法进行了比较，指出了其它方法处理权重的局限性和不合理性，肯定了灰色聚类法对要权重的处理方法。     

基于改进K-means算法的排水管网监测点位优化

为切实提高工程监测成效，合理利用资源，提出基于改进K-means算法的排水管网监测点布置优化方法。以华东区域H市排水管网为案例，以23个原始监测点的监测数据为基础，通过原始数据处理，BIRCH预聚类确定优化监测点个数和初步优化监测点，再用K-means聚类确定最终优化监测点后，输出16个保留监测点位。经验证，监测点优化后对H市排水管网的数据输出无影响。     

基于灰色聚类方法的湖泊营养状态综合评价

将湖泊水体的营养状态看作一个灰色系统，建立用于识别湖泊营养状态属性的灰色聚类综合评价模型，将水质级别作为一个灰类，水质状态作为灰色变量，根据灰色白化权函数聚类方法来确定水体营养状况归类。以太湖为例，基于分布全湖的20个监测点数据，运用灰色聚类法对其进行富营养状态综合评价，结果表明，监测时段太湖大部分水体基本处于中营养水平，局部湖面达到中度富营养状态，客观地反映了太湖湖区水体营养状况。     

南京外秦淮河水质监测断面优化调整

利用较少的监测断面,花费较少的人力、物力、财力,取得能够反映具有代表性的水环境质量数据,是监测断面优化的主要目的。通过对监测断面优化的研究,能够为环境监测、管理、河流污染治理、网络的建设提供科学依据。本优化调整的原则主要是在原有监测断面的基础上,考虑水文特征、     

广州市流溪河水库监测布点优化研究

运用方差分析及模糊聚类分析，对流溪河水库监测布点进行优化研究，结果表明：水库水质良好，各监测点间及垂向采样点间均无显著性差异；4个库区监测点可分为3类，其余监测点可分为4类。综合考虑确定流溪河水库监测布点方案，应设置对照、控制、出水3类断面，共7个监测点，分别为玉溪河、吕田河、汇水区、库区3个和大坝监测点，每年6月进行垂向分层采样，其余月份进行表层采样。     

模糊聚类分析法对哈密地下水监测网的优化研究

试用模糊聚类分析法将哈密地下水监测网点从原来的８个点优化为６个点．经研究较符合实际情况，实践研究了优化方法．     

基于K-means聚类的沙尘天气快速识别技术研究

依据沙尘天气判定条件分析2018年春季（2—4月）陕西省西安市环境空气质量小时监测数据，共识别9 d受沙尘影响。研究基于K-means聚类沙尘天气分析方法，分析沙尘天气监测数据特征，并对沙尘识别聚类模型进行优化研究，识别的沙尘影响天气与传统方法一致。分析表明，聚类方法可用于沙尘天气监测数据的识别，与传统方法相比较，基于K-means聚类方法能够快速、准确识别沙尘影响天气。     

2020—2022年全国入海河流总氮浓度时空特征

根据全国230个入海河流断面2020—2022年总氮质量浓度监测数据,基于时间序列统计方法和空间聚类方法,分析了总氮浓度的时空分布特征。结果显示:2020—2022年全国入海河流总氮年均质量浓度逐年上升,从(3.24±2.20)mg/L上升到(3.92±3.30)mg/L;年内总氮浓度呈现冬高夏低、春秋居中的V形季节变化规律。空间聚类分析表明:总氮质量浓度从北到南可分为4个有较明显差异的区域,分别为北方高值区(包括辽东丘陵西部、辽西丘陵、山东丘陵),北方次高值区(包括环渤海京津冀地区、苏北平原),华东区(包括长江中下游平原区、上海市、浙江省、福建省),华南区(包括广东省、广西壮族自治区、海南省)。总氮年均质量浓度分布为北方高值区>北方次高值区>华东区>华南区。北方高值区的过高总氮浓度对全国总氮浓度均值提供了超比例的贡献。同时,北方高值区和北方次高值区贡献了2020—2023年全国总氮浓度92%的增幅。此外,从空间分布上看,越往北,总氮浓度的V形季节变化规律越明显。     

区域地表水监测断面优化调整的技术方法

对中国地表水水质监测断面布设的现状及问题进行分析,简要回顾了中国地表水监测断面设置及优化的研究进展,论述了区域地表水点位优化的目的和原则,提出从宏观、中观、微观3个层次的对区域地表水监测断面进行调整的步骤和方法,并阐述了地理信息系统技术在监测断面优化中的作用。     

Genetic Algorithm Usage in Water Quality Monitoring Networks Optimization in Gediz (Turkey) River Basin

Selection procedure of the optimum station combination for decreasing the station number from 33 to 14 in water quality monitoring network of Gediz river basin was applied using an optimization method. Gediz basin is one of the important basins and it covers 2.3% of the total surface area of Turkey. The technique includes two stages as the data preparation and the optimization. In the data preparation stage, firstly, alternative station combinations decreased and then station combination scores obtained from assigned selection criteria for point and nonpoint pollution management objectives. Finally, genetic algorithm applied to select the best combination. The results were compared with a prior solution that used dynamic programming as the optimization technique.     

河南省地表水环境监测断面优化的原则及其运用

提出和运用了地表水环境监测断面优化的原则,包括网络功能专一化、分类有序优化、监测断面高效、监测断面与监测频率同时优化、监测断面分级管理等。     

Application of statistical modeling to optimize a coastal water quality monitoring program

The long-term water quality monitoring program implemented by the Massachusetts Water Resources Authority in 1992 is extensive and has provide substantial understanding of the seasonality of the waters in both Boston Harbor and Massachusetts Bay and the response to improvements in effluent quality and offshore transfer of the effluent in September 2000. The monitoring program was designed with limited knowledge of spatial and temporal variability and long-term trends within the system. This led to an extensive spatial and temporal sampling program. The data through 2003 showed high correlation within physical parameters measured (e.g., salinity, dissolved oxygen) and in biological measures such as chlorophyll fluorescence. To address the potential sampling redundancies in the measurement program, an assessment of the impact of reduced levels of monitoring on the ability to make water quality decisions was completed. The optimization was conducted by applying statistical models that took into account whether there was evidence of a seasonal pattern in the data. The optimization used model survey average readings to identify temporal fixed effects, model survey-average-corrected individual station readings to identify spatial fixed effects, corrected the individual station readings for temporal and spatial fixed effects and derived a correlation model for the corrected data, and applied the correlation model to characterize the correlation of annual average readings from reduced monitoring programs with true parameter levels. Reductions in the number of sampling stations were found less detrimental to the quality of the data for annual decision-making than reductions in the number of surveys per year, although there is less of a difference in this regard for dissolved oxygen than there is for chlorophyll. The analysis led to recommendations for a substantially lower monitoring effort with minimal loss of information. The recommendation supported an annual budget savings of approximately $183,000. Most of the savings was from fewer surveys as approximately $21,000 came from the reduction in the number of stations monitored from 21 to 7 and associated laboratory analytical costs.     

数据融合技术在环境监测网络中的应用与思考

按照环境监测网络的信息处理结构,将网络划分为采集层、网络层和应用层,归纳了数据级融合、特征级融合、决策级融合3层融合级别,介绍了加权平均、卡尔曼滤波、人工神经网络、支持向量机、遗传算法、贝叶斯系统等在环境监测数据分析中的应用,指出当前面临的数据处理技术不成熟、评价体系不完善和数据质量监管能力不足等问题,提出优化网络结构、数据多元应用和强化决策支持等研究建议。