B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

B-P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本,应用人工神经Ｂ－Ｐ算法,分别建立了３参数和４参数的水质分类模型,并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的,且由于Ｂ－Ｐ网络有学习,自适应的能力,因而与其它的环境质量分类法相比具有优越性。     

湖泊水质富营养化评价的多准则神经网络法

提出了基于误差平方和准则与模糊熵准则下的多准则神经网络湖泊水质营养化评价模型，并将其应用于我国五大湖泊水质营养化的评价。结果表明，多准则神经网络用于湖泊水质营养化评价，具有简便，实用，客观和广泛的通用性     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

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。      

遥感技术在湖泊水质监测中的应用

环境污染遥感监测技术具有监测范围广、速度快、成本低,且便于进行长期的动态监测等优点,是实现宏观、快速、连续、动态地监测环境污染的有效方法,已成为湖泊环境动态变化监测的重要技术手段.湖泊水质遥感监测是基于经验、统计分析或水质参数的光谱特征,选择遥感波段数据与地面实测水质参数数据进行数学分析,建立水质参数反演模型实现的.在运用遥感技术对湖泊进行水质监测的方法中有传统方法和神经网络模型.与传统方法相比,神经网络模型有较强的水质识别的容错性,水质状况识别的可信度.今后,神经网络模型、高光谱遥感技术以及RS与GIS、GPS的结合运用等将是遥感技术在此领域中的发展方向.     

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。     

浅水湖泊群水质模型的近似解析解法

为了实现在一般微机上也能模拟浅水湖泊群的水质变化，从水质变化的基本控制方程出发，根据浅水湖泊群的水流特征与污染物迁移特性，首先建立了浅水湖泊群ＢＯＤ－ＤＯ模型，然后针对恒定水流和污染源稳定排放污水的情形，把处于湖泊边界上的污染源所面临的湖面视为半无限区域，并考虑到浓度的可叠加性，提出了浅水湖泊群ＢＯＤ－ＤＯ模型的近似解析解法。实例结果表明，这种解法计算工作量和存储量都较小，在一般微机上即能进行，且计算准确度基本上能满足工程实际要求。     

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.     

强化絮凝法去除水中DBP先质研究

采用强化絮凝的方法，实验研究和探明了混合反应强度，浊度，ＰＨ值等因素对去除水中ＤＢＰ先质的影响规律，进一步揭示了强化絮凝条件下除浊与除ＤＢＰ先质的相互关系，求得了不同水质条件下的最佳ＰＨ值和最佳投药量。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

通过SS,COD的监测探讨湖泊富营养化

通过常规不 监测项目ＳＳ和ＣＯＤ与湖泊富营养化特性指标Ｔ－Ｐ关系的研究，得出「ＳＳ」「ＣＯＤ」与「Ｔ－Ｐ」的相关数，从而可用例行河流监测掌握水质富营养化变化情况。     

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。     

湖泊水质富营养化评价的模糊隶属函数法

建立了利用模糊隶属函数进行湖泊水质富养化的评价方法。并研究了我国三个主要湖泊的富营养化状况，和其它方法比较，取得了满意的结果。文章为湖泊水质富营养化评价提供了一种简单而实用的评价方法。     

遗传神经网络在水质监测点优化布局中的应用

为科学全面地掌握湖泊水域的水质指标分布状况,以广西大学镜湖为实验研究对象,以无人船为平台将RBF神经网络与遗传算法相结合,对监测点的优化选择进行了讨论研究。分别对水质参数的单目标与多目标进行优化实验,并绘制拟合分布图。结果表明:遗传神经网络比传统的等距监测在水质参数的分布误差上具有明显优势,并在优化后至少6周内,其结果反映的数据依旧准确有效,说明遗传神经网络可明显提高水质监测的效率。     

湖泊水质富营养化评价的模糊决策方法

针对湖泊水质富营养化评价中各等级之间的模糊性,在充分考虑水质各污染因素权重大小的基础上,运用模糊综合评判方法建立了湖泊水质富营养化评价模型.并研究了我国5个主要湖泊的富营养化状况,和其它方法比较,取得了满意的结果.为湖泊水质富营养化评价提供了一种准确的、有效的决策方法.     

云南高原小湖泊水质空间分布特征研究

针对云南省内较少关注的水面面积<30km2的小湖泊开展了调查工作,以调查所得的水质数据为基础,采用多因子分析方法和Arc GIS的统计分析方法,对云南省内的20个小湖泊的水质进行综合评价,并以评价结果为基础,结合Arc GIS的统计分析工具,进一步对云南省小湖泊的水质空间分布特征进行探索研究。结果发现,云南湖泊空间分布呈现出相对集中的特征,小湖泊水质状况也呈现集中分布的特点。滇东南片区的湖泊形成一个冷点区域,即滇东南三个湖泊的水质均较差。滇西北的大理和丽江区域形成一个热点区域,以茈碧湖为代表的湖泊水质总体保持较好。     

人工神经网络改进BP算法优化水质监测点

运用人工神经网络理论对城市河涌水质监测布点进行优选，基于前馈多层BP型神经网络的改进算法，用广州市河涌水质分类标准和实测水质数据对神经网络模型进行训练和检验，结果表明，该方法具有客观、可靠、实用、容错性高的优点，是一种科学、新型的水质监测点优选方法。