基于云模型的水体富营养化程度评价方法

水体富营养化程度评价对生态环境保护具有重要意义.针对水体富营养化程度评价不可避免的模糊性和随机性的特点,本文引入云模型的方法,对我国14个代表性湖库的富营养化程度进行评价.根据确定的评价标准,生成各评价因子隶属于各级别的综合云模型,并针对湖库实测资料,得到各评价物的确定度,由最大确定度决定湖库营养化级别.将该法所得结果与湖库实际水质状况、国内外应用较为广泛且简便的营养状态指数、评分公式法及模糊综合评价法所得结果进行对比,发现评价结果真实可靠,计算过程简洁明了,验证了该方法的可行性和有效性.     

安徽省湖库型饮用水水源地水质评价研究

随着水资源日益紧缺以及水源污染情况的不断加剧,饮用水水源地的水质问题越来越受到社会的关注。运用单因子标准指数法以及卡尔森指数方法时安徽省境内31个县级以上的湖库型饮用水水泺地的水质状况以及湖泊富营养化程度进行了综合评价,并提出相应的防护措施。评价结果表明,全省湖库型饮用水水源地水质迭标个数为27个,达标率为87％。     

吉林省典型湖库中无机氮含量变化规律初探

通过对吉林省典型湖库1992－1997年的连续水质水文监测，探讨了吉林省主要湖库中无机氮含量的季节变化、年际变化规律及其成因，吉林省大多数湖库中的总氮处于中等富营养化程度，城市湖库（南湖）已超过富营养水平下降，受到外源性补给、温度和湖库使用功能的影响，湖库中各类型无机氮含量季节变化不一，总氮在全年出现波状起伏变化，大多数湖库中的无机氮和总氮出现逐年增加的趋势，湖库中无机氮含量受到水体中各种水质因素的综合作用。与其它单个水质之间的关系不明显。     

湖库水体富营养化及磷模型

磷是水体富营养化的主要控制因素,预测模拟湖泊、水库中的磷对研究及控制水体富营养化有着极其重要的意义。本文阐述了湖库中的磷循环以及根据磷循环建立的数学模型,并对该模型的完善和实际应用进行了分析,可为湖库富营养化程度评价、制订控制措施提供定量的科学依据。     

山东省河流,湖库水质现状及趋势分析

在水资源量一定的情况下，水质的好坏成为水资源可利用量的制约因素，本文通过我省河流湖库水质现状评价，并采用由美国引进的季节性肯达尔检验方法，对我省河流，湖库水质变化趋势进行分析，从而提出我省河流，湖库水质现状和变化趋势的定性及定量结论，为水资源的保护与管理提供参考。     

福建省主要湖库水质污染评价

人工湖泊、水库在建造时都具有不同的功能，但目前有些湖库的水质受到污染、水质富营养化加剧，影响湖库发挥应有的作用。本文在评价了福建省主要湖泊、水库水质的污染状况及分析了富营养化的原因后，提出对策与措施，为防治湖库的污染提供依据。     

模糊数学在湖库水质综合评价中的应用

介绍了应用模糊数学评价湖库水质的方法,对云南省2个高原湖泊和3个水库进行了水质评价,并与单项水质参数评价法进行了比较。     

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

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     

滇池生态安全综合评估研究

湖泊水库的生态安全是湖库区(流)域人民赖以生存和社会经济可持续发展的重要基础.通过深入剖析湖库生态安全的内涵,运用湖库生态安全综合评估模型,从人类活动压力、湖库水体健康和湖库生态服务功能三方面评价了滇池1999~2007年间的生态安全状况.结果表明,通过污染物排放总量的控制,至2007年人类活动对滇池产生的直接压力已有效减轻,然而湖体水质状况却未得以根本改善,多年来滇池生态安全状况处于Ⅳ级,即生态安全状况较差.     

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。      

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

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...     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

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。     

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。     

环境质量综合评价的径向基函数网络模型

建立了一个环境质量综合评价的径向基函数人工神经网络(RBF-ANN)模型,同时提出了一种简便?快速的RBF-ANN的最小二乘算法(RBF-LS算法)?在城市环境质量综合评价的应用中表明,提出的RBF-ANN模型及其算法是合理?有效?通用的?      

湖泊富营养化组合评价的真值次数加权法

针对湖泊水体富营化评价方法具有的不确定性问题,提出了湖泊富营养化组合评价的真值次数加权法.该法的建立步骤分为3步:首先,根据富营养化评价标准,随机生成1000组富营养化水质指标样本,分别用灰色关联法、模糊评价法、打分统计法、经验频率法、贝叶斯方法、向量评价法6种单项方法进行富营养化评价;然后统计1000组样本中各单项方法的评价值与真值相同的次数,据此计算各单项评价方法在组合评价方法中所占的权重;最后利用权重值对6种单项评价值进行加权平均组合,从而得到真值次数加权法的组合评价结果.将真值次数加权法应用于全国30个湖泊的水体富营养化评价,结果表明,该法能有效降低单项评价方法的不确定性.     

RBF神经网络在土壤重金属污染评价中的应用

运用MATLAB软件的K均值聚类算法结合神经网络工具箱,通过建立RBF神经网络对郑汴路圃田—杏花营段路旁土壤进行了评价。结果表明,土壤重金属积累峰值污染峰值多出现在距路基50m范围以内,并随着距路基距离的增加,污染程度逐渐下降。风力因素和邻近铁路对路段两侧土壤重金属污染影响较大,且公路运营时间越早,对两侧土壤污染越严重。杏花营断面土壤质量以Ⅱ级为主,北侧断面土壤质量多为Ⅲ级。圃田断面各样点综合评价结果均为Ⅱ级,整体质量优于杏花营断面。RBF神经网络评价方法具有计算速度快,评价结果客观等优点。