污染物浓度预测的PPR模型

采用投影寻踪回归技术的审视数据－模拟－预测新思路,对环境监测数据进行探索性分析,建立了污染物浓度预测的ＰＰＲ模型,该模型用于水污染物ＢＯＤ和ＤＯ浓度预测结果,共建模样本拟合格率为１００％,预测检验样本预测合格率达８３．３％。     

再生水灌溉利用的生态风险研究进展

污水再生回用因其具有显著的社会、经济及生态效益,已成为缓解水资源危机的一项重要举措.城市绿地和农业灌溉作为再生水的主要利用途径之一,在国内外已经得到广泛推广实践.为了解国内外在再生水灌溉利用风险方面的研究进展,本文围绕再生水典型污染物包括盐、氮、重金属和新型污染物、病原菌等,从对土壤质量、植物生长、地下水质量和公众健康等几方面,对再生水灌溉利用的生态风险进行了系统分析.结果表明,盐分及盐离子是再生水灌溉利用的主要风险,灌溉利用导致疾病传播的风险始终存在,而新型污染物的生态风险是科学研究热点.借鉴国外经验,分别就城市绿地和农业的灌溉提出了风险管理措施.最后,提出了加强长期定位研究和模型研究,建立再生水水质、灌溉管理与生态风险的有机关联,进行再生水灌溉土壤承载力评价和建立风险管理体系等5项建议,以促进再生水安全利用.     

再生水道路降尘化学污染物的健康风险评价研究

利用健康风险评价的方法,以北京市某再生水利用工程为依托,对再生水用于道路降尘时接触人群的暴露水平和健康风险进行了调查和实验研究,建立了再生水用于道路降尘的健康风险评价模型,提出了再生水对职业人群和公众的暴露参数,对再生水中氯仿等19种主要污染物的健康风险进行了定量评价,结果表明,再生水用于道路降尘职业人群致癌的总危险度为8.47×10^-6;非职业人群致癌的总危险度为3.78×10^-6.     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

能源型城市大气环境质量的评价研究

通过对阜新市的大气污染源的分类建立了大气污染的浓度模型,给出了主要污染物的平均污染浓度的计算结果;同时,对阜新市大气环境质量进行了评价,计算出阜新市环境质量浓度指数并得到相应的评价结果。     

基于地下水补给的河流水环境容量计算方法研究

受污染地下水以基流的形式渗入地表水,对其水环境容量产生了影响.文章在地下水连续补给下忽略弥散的一维稳态水质模型解析解的基础上,提出了地下水连续补给下河流水环境容量的计算方法.同时,推导出了水环境容量与地下水污染物浓度、补给强度的关系式以及临界地下水污染物浓度计算公式,最后通过案例检验了公式的实用性和正确性.研究认为:临...     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

城市污水再生利用化学污染物健康风险评价

随着城市污水回用工程增多,再生回用水的安全性问题日益受到人们的重视,回用水中化学污染物造成的人体健康风险计算评价成为要解决的重要问题,建立再生水回用造成的健康风险评价方法成为亟待解决的问题.在对城市污水中重金属检测结果的基础上,对常见的再生水回用途经,通过实例介绍了随机分析方法在健康风险评价中的应用.     

河流有机污染物环境归宿模型及程序设计

针对河流有机污染物现状及研究中遇到的问题,以稳态非平衡流动系统逸度模型概念为基础,建立有机毒物环境归宿模型.采用Turbo C2.0编程,实现了对有机污染物在大气、土壤、水、底泥、悬浮物和水生生物等环境各相的浓度分布、各种迁移转化作用的过程速率、以及积累量、滞留时间等环境化学参数的计算机模拟与预测.该模型及计算机软件对有机污染物研究与管理、评价其排放到天然水体的环境风险具有使用价值.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

Development of a method for comprehensive water quality forecasting and its application in Miyun reservoir of Beijing, China

Water quality forecasting is an essential part of water resource management. Spatiotemporal variations of water quality and their inherent constraints make it very complex. This study explored a data-based method for short-term water quality forecasting. Prediction of water quality indicators including dissolved oxygen, chemical oxygen demand by KMnO₄ and ammonia nitrogen using support vector machine was taken as inputs of the particle swarm algorithm based optimal wavelet neural network to forecast the whole status index of water quality. Gubeikou monitoring section of Miyun reservoir in Beijing, China was taken as the study case to examine effectiveness of this approach. The experiment results also revealed that the proposed model has advantages of stability and time reduction in comparison with other data-driven models including traditional BP neural network model, wavelet neural network model and Gradient Boosting Decision Tree model. It can be used as an effective approach to perform short-term comprehensive water quality prediction.     

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     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

密云水库及其流域营养物集成模拟的情景分析研究

在密云水库水环境模拟预测集成模型的支持下,考察了不同点源、非点源污染负荷控制措施对水库水质的影响和作用,制定了4个情景方案.基础情景分析表明,密云水库TN超标严重,TP相对较好,叶绿素浓度超过10μg/L的区域主要集中在潮河库区,而且面积较大.情景1、情景2和情景3是考虑了不同点源、非点源管理措施后的密云水库水质状况.结果表明,营养负荷的下降能显著地改善水体水质,尤其是磷负荷的降低可有效地制约藻类生长,叶绿素浓度显著降低,超过10μg/L的区域缩小甚至消失.这一结论说明了加强密云水库流域及周边地区工业、生活和畜禽养殖等点源和农业非点源污染控制对改善密云水库水质的有效性和必要性.     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

水污染预警DSS系统框架下的白河水质预警模型研究

为了应对频发的水环境污染事故,在污染事故发生后快速有效地制定应急响应措施,保护水环境,有必要在水源保护区建立水污染预警DSS系统,重点对系统建立的核心与难点——水质预警模型进行研究.密云水库是北京市最重要的地表水源地,以密云水库上游的白河为研究区域建立水污染预警DSS系统,设计水污染预警DSS系统的三层结构框架,将控制端、核心预警模型、GIS空间数据库紧密联合起来;在此基础上对核心预警模型的建模过程、参数取值等进行研究;最后以典型污染物氰化钠为例,设置水污染事故情景以及应急措施预案情景,进行了情景模拟分析.实例研究表明,此水质预警模型能够较准确地对污染发展趋势进行分析预测,并对不同的应急处理方案的实施效果进行模拟分析,模拟结果能够支持应急方案的制定与优选决策,达到了DSS系统的功能需求.     

基于神经网络模型的水质监测与评价系统

对水环境的监测与评价，可以掌握水质现状及其发展趋势，为水资源的开发利用和管理提供科学依据。水质评价是建立在水质监测基础之上的。首先结合我国水环境监测技术规范与标准，合理地选择监测项目与监测仪器，建立水质监测系统。然后在水质监测所获数据基础上，运用人工神经网络的理论和方法，通过BP网络不断的学习与训练，归纳出评价标准与评价结果间复杂的非线性关系，建立水质评价的BP神经网络模型系统。经实际应用表明，该系统具有很强的学习、联想和容错功能。为水质监测与评价提供了一条新的途径。     

大伙房水库水质评价及变化趋势分析

根据2012年水质监测资料对大伙房水库水质进行了现状评价及分析,结果表明：水库库区各项指标的年均值均符合地表水Ⅱ类标准,总氮单独评价为劣V类,是目前水库库区的首要污染物。从污染物变化趋势来看,2008—2011年总氮浓度呈上升趋势,2012年有所下降;总磷浓度除2010年受洪水的影响突然增高外,其他年份基本持平。     

密云水库上游白河地表水质对不同空间尺度景观格局特征的响应

基于密云水库上游北京境内白河段9个监测断面的水质数据,利用多元统计分析方法分析不同空间尺度（100、200、300、500和1000 m）河岸带缓冲区土地利用景观格局特征与水质总氮（TN）和总磷（TP）的关联性,识别水质对景观特征响应的最佳缓冲区尺度.结果表明,密云水库上游北京境内白河周边土地利用景观格局对水质的影响随着河岸缓冲区不同宽度的变化而不同,在河岸小尺度缓冲区表现得更明显,对水质TN和TP空间分异解释的最佳尺度分别为300 m和100 m河岸缓冲区.300 m缓冲区尺度,耕地斑块密度和草地聚集指数是影响河流TN的主要指数.100 m缓冲区尺度,城乡居民点面积比例对河流TP影响显著.该研究表明,优化河岸缓冲区300 m宽度范围内的景观格局,特别是耕地和林草地的合理配置提高农业景观的连通性和聚集度以及岸边城乡居民点面积与污染物排放控制,对于改善北京境内白河段河流水质的生态功能和保障密云水库饮用水安全十分重要.     

海域水质模型参数动态反演方法研究初探

海域水质模型长周期数值模拟中,模型参数全时段统一赋值的方法忽略了参数随时间动态变化的物理特性,降低了模型的可靠性,增加了海域水质模型验证工作的难度.本文建立了将数据驱动模型和水质模型有机结合的参数动态反演的新方法:以水质模型多参数设计工况的数值模拟,构建海域内部观测点污染物浓度响应解集,并将解集划分为若干时段;应用基于人工神经网络的数据驱动模型归纳建立观测点每一时段内污染物浓度同多个模型参数之间的非线性关系;将实测资料带入关系中,进行模型参数随时间变化的动态反演.以渤海海域水质模型为例,采用“孪生”实验验证参数动态反演新方法的可行性,结果表明该方法是有效的,能够保证模拟周期内较高的数值精度,提高了模型的准确性.