环罗源湾河流浮游植物调查及水质分析研究

2012年7月下旬对环罗源湾主要河流入海口处9个采样点的浮游植物组成、密度、生物量以及生物多样性指数进行调查,并与水质理化参数相结合分析了各采样点的水质情况。结果表明：9个采样点共发现浮游植物3门47属116种;浮游植物的密度范围在466．27～40546．00＋／L之间,生物量在0．0005—0．4634mg／L之间;Shannon—Wiener多样性指数的波动范围为2．50～4．65,物种均匀度指数的波动范围分别为0．52～0．97;研究区域的水质居于Ⅱ～Ⅴ类,其水质营养等级情况为贫营养至中营养。     

以浮游植物评价太湖春季水质污染及富营养化

通过太湖浮游植物群落生态学的研究 ,对太湖春季水质污染及富营养化进行总评及分区评价。就太湖总体而论 ,藻量均值达 2 88× 1 0 6个细胞 /L ,硅藻指数 1 1 0 ,污染指示种占 58 8% ,各样点多以蓝藻 (微囊藻为主 )占优势 ,其分布频度达 1 0 0 % ,多度达 6 5 5% ,表明太湖受到中等程度的污染。与过去同期太湖浮游植物的调查资料对比表明人为富营养化进程有所减缓。     

基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演

通过对2010年5月2日太湖HJ-1A卫星超光谱影像的几何纠正和6S模型辐射校正,以及水体实测光谱数据和影像光谱数据分析,将太湖28个水体采样点光谱数据分别进行归一化处理和一阶微分处理后,选取和水质参数相关系数最大的波段或波段组合建立反演模型,获得太湖叶绿素a浓度以及悬浮物浓度的空间分布图.研究表明,超光谱影像B73波...     

太湖水体Chl-a预测模型ARIMA的构建及应用优化

叶绿素a（Chl-a）是湖泊浮游植物生物量的重要指标,其含量能反映水中浮游植物的丰度和变化规律.以1999年12月~2019年8月太湖水体Chl-a和环境因子的逐月监测数据为基础,运用主成分分析方法探讨了Chl-a与环境因子的关系,据此建立了Chl-a与主要环境因素之间的多元线性逐步回归模型及自回归综合移动平均模型（ARIMA）.结果表明：①太湖Chl-a浓度存在着明显的季节变化,且总体处于上升趋势.总磷（TP）、高锰酸盐指数、月均气温（MAT）和月度降雨量（MR）与Chl-a浓度存在较好的变化同步性,总氮（TN）和氨氮（NH₄⁺-N）则表现出明显的滞后性.②主成分分析结果表明,太湖水体藻类暴发条件不仅仅是基于N和P等限制性因素,而是发展为TN、NH₄⁺-N、TP和高锰酸盐指数、MR和MAT等多元因素的综合影响.③两种模型经验证比较,基于1999~2019年逐月资料建立的Chl-a浓度的ARIMA模型模拟效果和预测精度明显优于所建立的多元线性逐步回归模型,特别是在考虑主要环境因素作为自变量及优化自变量取值情况下其预测效果得到进一步提升.建立的ARIMA（0,1,1）（0,1,1）模型将有助于太湖藻类暴发的预报和预警,并为及时有效地安排水资源调度及调控等水环境管理措施提供依据.     

北京动物园水体水华发生的生态学机理

20 0 1年 7～ 10月间通过对北京动物园水体的水质监测 ,从生态学角度探讨各环境因子对水华过程的影响。同时 ,通过建立浮游植物生态模型 ,模拟了浮游植物的生物量变化。水质监测结果揭示 ,水体中叶绿素浓度与总磷浓度之间有明显的正相关关系。浮游植物生态模型的模拟结果和实测数据基本符合。浮游藻类的生物量的变化趋势主要受水温、光照和总磷浓度的影响 ,而总磷浓度和光照的影响大于温度的影响。夏季藻类增长对光照的影响比其它季节更为敏感。浮游动物的捕食作用在藻类的衰减率中占有的比例明显小于其它因子 ,浮游动物对藻类的影响不大。     

浮游植物群落结构季节变化研究——以太湖梅梁湾和东太湖为例

为了解太湖浮游植物群落结构的特征,2017年7月至2018年6月对太湖梅梁湾(藻型湖区)和东太湖(草型湖区)浮游植物群落结构和理化因子进行了调查.结果发现:梅梁湾氮磷浓度显著高于东太湖,梅梁湾浮游植物年平均数量是东太湖4.94倍,梅梁湾浮游植物年平均生物量是东太湖的2.16倍;梅梁湾微囊藻数量占比为68.52％～99....     

云龙湖浮游植物群落结构综述

2008年4月至2008年lO月对徐州云龙湖的浮游植物进行实地考察监测,在此以定性、定量的分析方法,对4个采样点样品中的浮游植物分析、鉴定,并时不同采样点的浮游植物种类组成、数量进行比较,分析了该水域浮游植物群落特征.     

太原汾河景区浮游植物群落结构及其与环境因子关系分析

为了探究太原汾河景区水体浮游植物群落结构特征及水质状况,对浮游植物的种类组成、生物量及其与环境理化因子的相关性进行监测.在2014年丰水期6~10月对汾河太原景区从上游到下游设置9个采样点进行定期采样调查.分析结果表明,太原汾河景区水体中浮游植物主要为蓝藻门、绿藻门、硅藻门植物,其中蓝藻植物数量最多,其次为绿藻和硅藻.在丰水期浮游植物细胞密度呈现先上升后下降现象,7月达到最高.采样点间也存在较大差异,位于汾河景区中下游的3个样点浮游植物数量最多.浮游植物生物量与环境理化因子的关系通过冗余分析(RDA)进行整体排序,结果表明浮游植物总细胞密度与溶解氧呈显著正相关,与化学需氧量呈显著负相关.硅藻细胞密度与水温、气温呈极显著正相关,与化学需氧量呈极显著负相关.各种环境因子的作用在不同时期的表现不同.综合营养状态指数分析,太原汾河景区水体中总氮在整个时空范围内超标,处于轻度到中度富营养水平状态.     

丹江口水库真核浮游植物群落分布特征及其与环境因子的关系

浮游植物是湖库生态系统物质循环和能量流动的主要参与者,了解其群落组成对保护水生生态系统平衡具有重要意义.2021年6月在南水北调中线工程水源地丹江口水库淅川库区设置7个采样点,分4层分别在0.5、5、10和20 m处共采取28个样品.采用高通量测序测定真核浮游植物群落结构,分析真核浮游植物群落在水平和垂向上的分布特征.采用冗余分析探讨了浮游植物主要类群与环境因子的关系.结果表明：①库区真核浮游植物共12门68属,物种为甲藻-硅藻-绿藻型结构.水平方向上浮游植物群落差异较大,各采样点垂直方向上浮游植物丰度和多样性存在较大差异.宋岗、土门和党子口浮游植物群落多样性和丰度随水深增加呈下降趋势,其他采样点的浮游植物群落与水深关系趋势不明显.②硝氮（NO₃^--N）、水深、溶解氧（DO）、pH和水温（WT）是影响库区浮游植物垂直分布的重要环境因子.环境因子对浮游植物门类影响各异,甲藻门与NO₃^--N和水深呈负相关,与其他环境因子呈正相关;硅藻门与NO₃^--N和水深呈正相关,与其他环境因子呈负相关;绿藻门与WT、pH和DO呈负相关,与水深无明显相关性.     

东苕溪蓝藻时空分布及其与环境因子关系研究

研究了东苕溪(太湖主要入湖河流)秋季和春季浮游植物的空间分布格局,监测了东苕溪18个采样点的浮游植物叶绿素a含量、细胞密度及种类组成等指标,分析了影响蓝藻时空分布差异的环境因子.结果表明:调查期间,共观察到浮游植物8门60属132种,其中,蓝藻门9属14种,蓝藻细胞密度占浮游植物细胞密度的平均比例为60.3%,蓝藻细胞密度自东苕溪下游至上游呈减小趋势,最高值出现在东苕溪下游距南太湖湖口3km以内.在秋季,东苕溪下游以铜绿微囊藻(Microcystis aeruginosa)为优势种,春季为水华鱼腥藻(Anabaena flos-aquae);丝状蓝藻(小席藻)是上游的优势代表种.东苕溪下游蓝藻的绝对优势与特殊的水动力条件、高浓度的营养盐有关.相关性分析表明,蓝藻细胞密度与水深(p<0.01)、总氮(p<0.01)和溶解性总碳(p<0.05)呈显著正相关.     

海面溢油油种激光遥感ANN探测方法的研究

目前激光荧光遥感是探测海面溢油最有效的工具。作者将神经网络(ANN)的自组织特征映射SOM模型引入激光遥感的荧光光谱鉴别领域。本文主要进行的是理论建模和分析工作，而且用计算机软件方法实现了神经网络的模式识别和分类功能，对推广能力进行了实验分析。经过改进神经网络已具有比较理想的推广能力，并认为SOM应作为溢油识别的较理想方法。     

东湖沉积物营养状况的BP神经网络模型研究

运用人工神经网络对东湖沉积物营养状况进行了模拟研究.以东湖三个样点柱状沉积物的TN、TP、TOC、SRP、TSL、pH6个因子作为网络模型的输入变量,建立了训练样本和测试样本,同时采用有机指数值作为输出变量,对东湖沉积物营养状况进行评价分析.通过模型分析,结果显示东湖沉积物处于肥污染状态.在2008年6月采得的数据样本...     

耦合遗传算法与RBF神经网络的PM2.5浓度预测模型

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM_2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高（R²达0.75）和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

神经网络在海水腐蚀预测中的应用

根据我国材料自然环境腐蚀网站长期以来积累的海水腐蚀数据,采用BP人工神经网络算法,建立了碳钢及低合金钢的海水腐蚀预测模型.该模型以合金成分、环境因素为输入参数,以平均腐蚀速率为输出参数.以碳钢、低合金钢的17种钢种在青岛、厦门、榆林海水腐蚀试验站16年腐蚀数据建模.选定A3钢与10CrCuSiV在以上三地16年的腐蚀数据为验证样本.结果表明该网络具有良好的预测精度,能够正确反映海水环境腐蚀性因素及金属材料腐蚀暴露时间与其腐蚀速率的关系,用于碳钢及低合金钢在海洋全浸环境中的腐蚀预测.     

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.     

BP神经网络与Sugeno模糊积分融合 的转子系统故障诊断

目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。     

海洋环境中材料腐蚀数据采集处理网络系统的研究

介绍了利用电话公网为传输栽体建立以海洋腐蚀与防护国防科技重点实验室为中心辐射青岛、厦门和三亚3个海水试验站的材料腐蚀数据采集计算机网络平台。研发了具有自主知识产权的多通道电偶腐蚀数据自动采集系统，将该系统与网络平台相结合可实现远程实验数据自动采集。同时为了有效地管理、存储和实现数据的共享，研究建立了海洋环境材料腐蚀与防护数据库，收集和整理了大量的材料腐蚀数据。在分析研究大量腐蚀数据的基础上建立了误差反传（BP）人工神经网络预测模型和灰色GM（1，1）腐蚀预测模型。从而形成一套较完整的数据采集、处理和分析网络系统。     

流域空间统计模型SPARROW及其研究进展

SPARROW(SPAtially Referenced Regressions On Watershed attributes流域属性基于空间的回归模型)是美国地质调查局(USGS)开发的经验统计和地表过程相结合的流域空间统计模型。模型通过对河流水质数据和流域属性建立空间回归实现污染负荷产生和迁移的定量化。模型的最大特色是其空间特性非常显著,可以将上游的营养盐污染源数据和下游的营养盐负荷数据联系起来,同时可以将河流中的水质监测数据或污染物通量数据和流域的空间属性特征(比如土地利用类型、河网、大气沉降等)联系起来。模型除了一般水质模型所具有的水质模拟和流域污染源的分析功能外,还可在模拟过程中对流域中每个污染源、流域属性和污染物迁移过程对水质监测结果的影响进行显著性检验。文章简要介绍了SPARROW模型的结构和原理、功能和应用发展前景。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。