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.     

基于典型相关系数和随机森林的水质预警方法

针对突发水污染事件提出一种高精度的预警方法.首先,通过模拟实验建立包含22种常见污染物的突发水污染事件数据库,然后采用典型相关系数准确揭示污染事件发生后多元水质参数之间的协同反馈规律.最后,基于多参数协同反馈规律构建“典型相关系数-随机森林”水质预警模型.结果表明预警模型对已知和未知污染物的平均准报率分别为96.78%和98.33%,对水质监测基线的平均误报率为0.16%.本研究成果可为降低突发水污染事件损失和保障供水安全提供有效的技术支撑.     

浅谈水质自动监测系统的建设及应用研究

随着自动化以及信息化水平的提高,水质自动监测技术在环境管理中日益体现出快速便捷、信息量大、代表性强的优势。近十年,地表水水质自动监测系统的建设和应用在各地得到了长足的发展,通过强化水质自动监测系统运行管理、创新运维模式、加强数据质控管理,确保了水质自动监测系统运行稳定、数据准确可靠等,为地表水水质自动监测系统在政府环保责任目标考核、流域生态补偿、总量减排、监控预警等环境管理工作发挥着El益重要的作用。     

流域水质监测站对江河重大污染事故的应急监测措施的研究

流域水质监测站对发生在江河中的重大水质污染事故中承担着前哨的重要作用.因此,建立起江河重大污染事故的应急监测体系已迫在眉睫.本文结合多年来松花江水质监测的实际工作,对环境水质监测部门开展重大污染事故应惠监测措施研究的必要性、应急监测工作必需的配置、预警监测断面在应急监测中的功能与作用等进行了较全面的论述.指出,应加大江河水环境监测的投入,切实加强水环境应急监测工作,尽快建成主要江河应急防控体系,提高江河重大污染事件的预警预测、监测、处置、后期评估等方面能力与水平.     

人工神经网络方法在环境科学领域应用进展

人工神经网络(ANN)是在模拟生物神经网络的基础上构建的一种信息处理系统。近年来，环境科学领域已有越来越多的学者利用ANN的高度并行互联结构和自适应处理能力来解决一些常规数学方法不易解决的问题。本文从环境质量评价、环境系统因素预报、环境因素定量关系模拟及污染防治系统建模四个方面对ANN方法在环境科学领域的应用现状进行了分析总结。综合ANN方法在国内外环境科学领域的应用现状，可看出ANN方法在环境系统模拟及预测、环境工程自动控制、污染物智能防治系统研究等方面较常规数学方法具有相当的优越性。可以预见，ANN方法在环境科学领域必将具有巨大的实用价值和广阔的应用前景。     

基于AIoT的智能环保监控管理系统开发及其在高速公路网中的应用

探索AIoT技术在高速公路网智能环保监控管理中的创新应用,研发并部署了智能环保物联网系统,通过基于云平台的远程监控数据中心和人工智能大数据分析平台,对全面环境监测大数据进行处理、挖掘、分析和预测的深度应用。该项应用研究运用智能环保物联网,可以实现环保监测适应各种当地条件的快速部署、高粒度实时监测、微运维和无人值守。通过稀疏变分法推论算法所建立的深度学习模型,对各项环保监测指标做未来趋势预测,对污染事故风险进行提前预警,极大地强化了环保安全风险控制。该基于AIoT的智能环保监控管理系统可为交通行业环保安全管理智能化的规划、决策和建设提供基于大数据的科学依据,可提升其环保安全管理分析、决策和预判能力,降低其运维成本和难度,并且可以为升级交通行业新基建管理智能化水平,推动绿色、生态和可持续发展提供示范引领作用。     

污水处理厂进水数据特征识别与案例分析

污水处理厂进水水量和水质呈现复杂的变化模式,准确掌握进水数据的变化特征已经成为改善工艺运行的关键.已有定性分析方法一般难以准确解释和预测变化特征,而已有定量分析模型常常结构复杂和实现难度大,需要针对应用需求进行改进.本研究使用统一模型描述进水特征并简化了实现方式.基于经典统计分析和开源Prophet模型,进行了污水处理厂进水数据的预处理、统计、建模和可视化.最后使用3座污水处理厂的实际数据,识别了多重季节性、长期趋势、节假日等的影响特征,说明了统一模型对污水处理厂进水特征的解释和预测能力.结果可供污水处理工艺优化运行和环境时序数据解析等参考.     

森林公园景观水系自动监测水质预警体系研究

以奥运森林公园南区景观水系为背景,探讨了如何建立基于自动监测的水质预警体系.水质预警体系中包含5个部分:风险因素自动识别、风险因素定量化分析和预测、水质预测、水质警报指标体系与水质预警、对策及防范措施.结合奥运森林公园南区景观水系的具体情况,分析了上述水质预警体系中各部分的主要实现方法,给出了动态率定法、统计模型法、机...     

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.      

三峡库区EFDC模型集成与应用

为满足三峡库区大尺度的水质预测需求,降低专业水质模型使用门槛,实现模型业务化运行,采用涵盖"模型封装-接口服务-系统集成"全过程的模型封装集成技术方法,开展了EFDC模型集成研究,并在三峡库区水质安全评估与预警系统中进行验证和应用.结果表明:①基于实例化模型建立的模型预置参数库,是模型业务化运行中参数简化的前提,可有效解决模型本地驯化及模型实例的基础数据复用问题;②依据参数识别结果,将模型参数识别为"必调参数、可调参数、默认参数"三类,并采用B/S架构对输入文件、输出文件和主控文件中的不同参数进行分类封装,达到参数简化目的;③采用半紧密型方式建立的基于Web services的EFDC模型集成接口服务及标准,可为信息系统提供通用的EFDC模型计算服务;④该方法在EFDC模型与三峡库区水质安全评估与预警系统集成中得到验证,实现了全库区干流及主要支流COD_Cr、总磷、总氮等污染因子的长时间序列水动力水质预测联机在线运算,满足了用户在水质影响预测预警中低修改量、高运算效率和良好用户体验等需求,实现了模型的业务化运行.      

长江生态环境保护修复智慧决策平台构建与初步设计

长江流域生态环境管理存在多部门“九龙治水”的现象,导致各类数据信息分散、科研成果碎片化,缺乏综合性信息查询与管理平台支持.针对长江生态环境保护工作对数据资源共享与精准决策的需求,提出构建长江生态环境保护修复智慧决策平台（简称“长江平台”）,按照基础层、数据汇集层、数据治理层、大脑层、应用层构建平台系统框架,设计数据采集处理、数据挖掘分析、基于WebGIS的数据展示、数据分级共享、调度会商、长江舆情发布、水环境模型工具、空间制图工具等主要功能,提出平台部署方案与分期建设方案,分析了平台建设面临的多元数据汇集与标准化处理、水质目标模型筛选、水环境预测预警功能开发等难点与关键技术,同时提出平台建设与运行保障机制.通过平台建设,可实现长江流域数据采集多样化、生态环境要素可视化、环境问题诊断精准化、管理响应自动化和决策会商便利化,为长江大保护提供智慧决策支持.      

基于面向对象Petri网的环境大数据预处理

通过大数据预处理与面向对象Petri理论结合,使数学模型应用到环境大数据预处理中,将模拟仿真数据与经预处理的在线监测数据进行误差分析。基于OPMSE仿真平台设定误差阈值范围,如果超出阈值范围,则采用物联网手段进行预警提示,从而再次进行数据预处理。监测数据校验通过后才能输出到环境综合管控平台的计算分析模块进行后续处理,可实现对环境管控平台数据采集和分析过程实时校验和预警。     

人工神经网络在环境科学中的应用研究

以B-P网络为例介绍了人工神经网络模型的应用原理。以开拓人工神经网络在环境科学中的应用范围为目的,综述了几种常用神经网络模型在环境预测与评价2方面的应用性能。结果表明:人与环境关系的科学量度是多方位、多因素的非线性模糊问题,而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题,优选模型,开拓人工神经网络方法在环境科学中的应用范围,为环境问题的解决提供新的技术手段。     

论上海市郊环境监测预警体系的构建——以嘉定区为例

依据《先进的环境监测预警体系建设纲要》,提出建设先进的环境监测预警体系是上海市郊各监测站工作重点。就嘉定区环境监测工作的现状,指出与先进的环境监测预警体系的差距。提出建设先进的环境监测预警体系的具体构成,通过建设环境质量监测预警体系、污染源监测预警体系、现代化环境检测实验室、全过程环境监测质量管理体系、环境应急监测系统、环境监测信息化体系和提高数据综合分析能力七个方面,使环境监测更好地满足环境管理的需要。     

面向国土空间规划实施监督的监测评估预警模型体系研究

国土空间规划监测评估预警是监督规划实施管理、保障规划实施成效的重要手段,也是实现“可感知、能学习、善治理、自适应”智慧规划转型的关键支撑。针对当前国土空间规划监测评估预警研究重机制、轻理论,以及缺乏一套科学可用的监测评估预警技术方法支撑的不足,在系统分析国土空间规划监测评估预警目标与内涵的基础上,构建以人工智能（Artificial Intelligence）、大数据（Big Data）、云计算（Cloud Computing）等新型信息技术(“ABC”技术）为支撑,覆盖国土空间规划“监测—评估—预警”业务全生命周期的应用模型体系,并结合信息系统建设案例,介绍了基于“ABC”技术的国土空间规划监测评估预警模型体系对实现各地国土空间规划“动态监测、精准评估、及时预警”的重要支撑作用。     

蓝藻预警监测数据管理系统开发与应用研究

太湖蓝藻预警监测一直是政府及环保部门关注的重点工作并已经成为日常监测任务,但由于数据汇总和日统计评价工作量大,每项指标评判靠人工处理效率明显低下,蓝藻预警监测数据管理系统的开发很好的解决了这一问题.该系统以蓝藻监测和上报的实际业务需求为基础,综合了地表水各项指标的评价功能,并运用网络平台方便灵活地与其他部门共享蓝藻监测信息,极大地提高了综合分析人员工作效率,同时还为环境管理部门提供了更加全面的趋势分析.     

生物监测及其在水环境污染防治中的应用进展研究

环境是人类生存的载体,是保证人类可持续发展的重要因素.因此,对环境中污染因子的监测也越来越重要.而生物监测是一种新型的监测技术,被认为是未来监测技术的重要方法,但由于其方法本身、技术的原因, 限制了其应用..随着水环境污染状况的日益加剧,对水体环境的监测以及水体安全的及时预警响应要求极为迫切,水环境生物监测是环境监测的重要内容.对生物监测技术在水环境中的应用进行了论述,并从技术、方法、应用等角度进行了具体分析,并对应用技术进行了总结.最后对生物监测技术的前景进行了展望.     

山东省环境水质自动监测网运行管理系统研究

文章对水质自动监测站远程监控和反控、监测数据的自动审核、现场维护行为的评判及水质自动监测网的统一管理等问题进行了研究。通过对水质自动监测站现场工控机PLC的升级改造、对各单元和部分监测仪器加装传感器,实现了对系统和仪器设备关键节点运行状态参数的全方位实时调取。根据实际需求研发了系统管理软件,实现了区域环境水质自动监测网统一的信息全方位采集与多级传输,运行状态参数的远程监控与反控,监测数据有效性的自动判别与自动审核,监测信息的在线查询发布与管理,运行维护绩效的自动评估和系统一站式管理。目前该系统在山东省得到了全面应用,保证了监测数据的准确性、可比性与时效性,为实现水质安全预警提供了技术保障,为各级政府制定环境水质改善措施提供了科学依据,收到了显著成效。