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。     

SVM与ANN在湖泊富营养化评价中的对比研究

支持向量机是由Vapnik等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,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;人工神经网络(ANN)已经较成功解决模式识别和任意非线性函数回归问题,但是存在训练样本不足,并可能出现过拟合现象。SVM的结构风险最小化算法引起了科学界的关注,对传统基于经验风险最小化的神经网络算法提出了挑战,文章介绍了SVM和ANN的基本原理,并对二者在巢湖富营养化水平评价上做对比研究,结果表明,ANN比较容易陷入局部最优,支持向量机评价结果更加符合实际。     

核主成分分析法在生态经济可持续发展评价中应用

文章给出了一种非线性主成分评价模型:核主成分分析(KPCA),它将原变量空间通过一个非线性变换映射到高维特征空间F中,在F中进行线性主成分分析,通过核技巧,它只需在原空间进行点积运算,而不必知道映射的具体形式,只要选取适当的核函数和参数,可以使第一主成分的贡献率达到90%,结合安徽省生态经济可持续发展度为例,说明了KPCA应用,计算结果与现实相符,KPCA方法具有实际的应用价值。     

三岔水库水源地环境问题及解决措施研究

简单介绍了三岔水库及水源地的基本情况,通过对三岔水库汇水区的范围进行实地走访调查,并收集了水利主管部门在2013年-2015年期间三岔水库水环境质量历史监测数据,采用单因子指数法进行了水质评价,得出水库水质的主要污染因子,分析了造成该问题的成因,并对目前三岔水库水源地及其汇水区范围内存在的水质安全隐患、土地利用类型以及非点源污染等环境问题进行论述和总结,初步提出了解决问题的措施和途径,对下一步该如何开展相关的工作提出了建议.     

高强度人类活动对水环境的影响评价指标体系研究

本次研究针对闸坝调控下尾水回用这类高强度活动对河流水环境的影响,构建了较为全面的评价指标体系。以研究区域水环境综合承载力为切入点,按照污水处理厂自身特点→排污及回用行为→河流自身→闸坝调控的研究路线,确立了四个子系统,并针对四个重点过程研究了高强度人类活动对水环境的影响,建立了该类活动对河流水文水环境影响的评价指标体系与系统评价技术,以期为评价人类高强度活动对水生态环境的影响及相关部门制定环保政策、措施提供有价值的参考。     

因子分析与聚类法的复合模型在水环境评价和管理中的应用

以2001-2003年巢湖监测数据为依据,采用因子分析、聚类分析方法的复合模型进行计算,结果表明:2001-2003年间,影响巢湖水质的污染因子发生了改变,同时定量诊断出水污染因子对巢湖水质的贡献率,合理划分出各类水环境管理区域,并提出相应的水环境管理措施.在巢湖水环境管理分区中,可以大体分为2大类,在各类中可以再细分为几小类,西半巢湖属于重污染,为水环境控制区域,东半巢湖污染相对较轻,为水环境控制和自净区域.结果分析表明,复合模型具有一定的可靠性和准确性,具有一定的参考实用价值.