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。      

人工神经网络在高原湖泊水质评价中的应用

本文应用人工神经网络方法，建立了高源湖泊水质ＢＰ神经网络模型，对湖泊水质进行综合评价，通过实例检查结果表明，ＢＰ神经网络方法能准确反映水体污染程度，具有较强处理相互矛盾影响样本的能力，方法可行，结果客观合理。     

基于概率神经网络的城市湖泊生态系统健康评价研究

概率神经网络(PNN)是一种结构简单、训练简捷、应用十分广泛的人工神经网络,并且在水质分类等环境领域已取得一定研究成果.本文选取广州市最大的人工湖——白云湖作为研究对象,结合其水质监测数据及生物监测数据,建立概率神经网络模型对其进行湖泊生态系统健康评价,得到不同监测时间点的湖泊生态系统健康评价结果.分析表明:1白云湖生态系统比较脆弱,目前净化水质的效果有限;2各监测点的评价结果均呈季节性变化,丰水期湖泊生态系统健康状态好于枯水期,年际变化不显著.实验结果表明,利用概率神经网络对湖泊生态系统健康状态进行评价是可行的,与传统评价方法相比,其具有训练时间短、权重确定客观、输出结果稳定等优势,可以运用到更多相关领域.     

湖泊营养化程度评价的多目标决策-理想点模型

介绍多目标决策-理想点法,并将其改进运用于评价湖泊的营养化,该方法与属性识别理论方法,模糊隶属函数法进行比较,评价结果令人满意.     

城市浅水型湖泊底泥磷释放的环境因子影响实验研究

通过对城市浅水型湖泊（以南京玄武湖为例）底泥磷释放特性进行实验研究，分析了环境因子对底泥磷释放特性的影响及其原因。得出了溶解氧、pH值、温度和扰动对底泥磷释放的影响曲线。同时说明了湖泊底泥磷对湖泊水质存在着潜在的危险性。为城市浅水湖泊底泥疏浚和营营养化治理提供依据。     

乌金塘水库水质富营养化现状及防治对策

通过对乌金塘水库水质富营养化现状调查与评价，表明乌金塘水库水质已达到中－富营养化，并且有向富营养发展的趋势，揭示了水库水质营养化污染物及其来源，从而提高了相应的污染防治对策。     

《上海环境科学》1998年总目录(1～12期总第167～178期)

栏 目题 目作者No可持续发展专栏对上海空间环境维系可持续发展的探讨可持续发展理论与沿革土地资源可持续利用研究上海城市交通建设中的可持续发展战略张绍棵王浣尘刘卫东等孙立军15710环境管理试论环境科学与环境经济学感潮河段水环境容量计算方法探讨黄浦江流域面源污染控制研究集成化水资源管理模式探讨环境税税制设计的探讨上海环境保护的实践与新成就可持续发展与企业的清洁生产加速遗传算法及其在环境模型参数估计中的应用推导保护水生环境质量标准的方法研究湖泊水质富营养化评价的多准则神经网络法乡镇企业环境经济综合评价指标体…     

湖泊营养状态的Hamming贴近度评价法

本文用线性内插构造湖泊富营养化评价参数的隶属函数,在此基础上应用Ham-ming 贴近度评价湖泊的营养状态。该方法用于全国23个湖泊的实例分析,并与其它营养化评价法的评价结果比较表明该方法评价结果合乎实际,隶属函数设计简单,计算方便,具有可比性。      

湖水藻类生长的控制技术

湖泊、水库营养化给人类的生存环境造成了许多不利因素，改善水质、消除藻花是一个政府与个人都十分关心和重视的问题。在外部污染源截住的情况下，本文介绍了九 种湖（库）内部控制藻类生长的技术方法，供从事水资源保护开发的科研、管理人员参考．     

集对分析用于湖泊富营养化评价研究

建立了利用集对分析方法进行湖泊水质富营养化评价的新模型，并研究了我国五个主要湖泊的富营养化状况，与其它方法进行比较，取得了满意的结果，为湖泊水质富营养化评价提供了一种简单而适用的评价方法。     

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...     

基于RBF神经网络的湖库水质富营养化程度评价模型

运用人工神经网络中的RBF网络算法,建立一种新的湖库水质富营养化程度评价模型。对我国污染差异分布广泛的12个湖库的水质富营养程度评价数据中的10组作为训练样本进行网络的建立,剩余2组用于网络的检验。结果表明:该方法建立的评价模型比文献[1]利用多元统计分析方法建立的评价模型更加简便有效。     

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。     

基于支持向量机的巢湖富营养化程度评价研究

由于湖泊富营养化程度影响因素多,评价因素与富营养化等级之间关系复杂而且具有非线性特征。支持向量机是由Vapnik等人提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,解决了一些神经网络遗留的问题,又由于其应用了核函数思想,它可以较好地解决非线性问题,利用支持向量机多类分类算法,构建巢湖富营养化程度评价模型,取得较好的结果。     

模糊神经网络用于环境大气质量评价的研究

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型,并以此对某矿区的环境大气质量进行了评价,结果表明该方法简便、实用、客观。     

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.      

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。     

海水水质富营养化评价的集对分析方法

建立了利用集对分析方法进行海水水质富营养化综合评价的新模型，并通过实例研究评价效果，与BP人工神经网络方法比较，集对分析方法评价模型严谨，评价结果合理、精细、分辨率高，取得了满意的结果，为海水环境质量综合评价提供了一种简单而适用的评价方法。     

基于GH-B强度准则的节理岩质边坡稳定性分析

在岩质边坡工程数值模拟计算分析中,其难题之一就是如何较准确地确定岩体强度参数,而边坡岩体抗剪强度是影响计算分析成果的控制因素,也是支护设计成败的关键所在。采用GH-B强度准则对深水河大桥4号桥墩边坡进行了稳定性分析,同时与采用M-C强度准则的模拟结果进行了对比分析。结果表明:GH-B强度准则采用基于应力水平的塑性流动法则,更好地体现了节理岩体的变形和破坏机理,可有效反映岩体的非线性破坏特征,更加接近于工程实际,适于节理岩体的强度计算及稳定性分析。