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     

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.     

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。     

湖泊富营养化评价的模糊距离模型

本文采用模糊距离评价模型对湖泊富营养化的综合评价进行研究,在对我国15个湖泊富营养化实例评价中获得与实际相符合的评价结果。     

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。     

模糊度概念用于湖泊富营养化评价

本文将湖泊富营养化的所有评价参数对于每一富营养评价等级的隶属度视为评价参数论域■₂{x1,x2,…,xm}上的一个模糊子集。并通过计算和比较这些模糊子集的模糊度大小给出湖泊富营养化状态的评价等级判断。该方法应用于全国16个主要湖泊库的富营养评价结果,与用统计评分法作出的评价结果基本一致。      

模糊神经网络用于环境大气质量评价的研究

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型,并以此对某矿区的环境大气质量进行了评价,结果表明该方法简便、实用、客观。     

遥感方法应用于湖泊富营养化评价的研究

利用武汉东湖各子湖多年可靠的地面监测资料和1999年9月Landsat—7的TM各波段的卫星遥感数据,建立了各子湖的营养状态指数与TM各波段图像上灰度值之间的关系模型：一元线性模型、多元回归模型。运用这些模型对武汉各湖泊进行富营养化评价。同时基于地面监测资料,用日本学者相崎守弘提出的修正富营养化指数法对武汉主要湖泊的富营养化程度进行评价。结果显示,武汉湖泊多处于中富营养状态,遥感评价结果与地面监测结果基本一致。指出利用遥感方法进行湖泊水体富营养化监测评价是可行的、有效的、利用该方法可进行大范围的湖泊富营养化调查评价。     

属性识别理论模型在湖泊水质富营养化评价中的应用

近年来提出的属性识别理论模型已在环境质量评价中有所应用。现将该模型引用到湖泊水质富营养化评价中来 ,并用此模型对福州市山仔水库的水质进行评价 ,其评价结果与运用模糊隶属函数法得到的结果进行比较 ,其结果令人满意。此模型为湖泊水质的富营养化评价提供一种简便实用的评价方法     

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...     

综合营养状态指数法在陶然亭湖富营养化评价中的应用

根据2006年-2010年陶然亭湖富营养化监测数据,采用综合营养状态指数法,分别从年均值及月份变化两方面对陶然亭湖的营养状态进行详细的分析和评价。结果表明,2006年-2010年陶然亭湖的营养状态指数呈现逐年下降的趋势,营养级别从重度富营养下降至中度富营养。湖泊富营养化程度随季节变化十分明显,富营养化程度在夏季和秋季形成高峰,冬季和春季一般较低。由于污水处理厂的再生水水质较差,补给到景观湖泊,加剧了富营养化程度。可以从污水处理厂加强对再生水质中氮、磷的处理和控制、利用生物-生态修复技术等方面采取措施来降低陶然亭湖的富营养化程度。     

阳澄湖浮游植物研究及其富营养化评价

通过对阳澄湖水体2002年-2007年间浮游植物的调查研究,结合富营养化理化指标进行分析,结果表明：该水域共发现浮游植物8门92属283种（包括变种）,其中以硅藻门的种类占优势;浮游植物的种类和数量随年度和水域不同而呈现差异;浮游植物对阳澄湖富营养化具有较好的指示作用,水体为轻度富营养化水体,近年来有加重的趋势。本研究为建立阳澄湖长期生态研究数据信息库及长江中下游淀泖地区浅水型湖泊的生态环境保护政策制定提供科学依据。     

滇池富营养化特性评价

介绍了滇池水质状况,对滇池富营养化特性进行了分析和评价,并提出了对策.     

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。     

我国湖泊富营养化防治与控制策略研究进展

随着全球人口的不断增加,工业化、城市化以及农业现代化的快速推进,湖泊富营养化问题已日益成为全球性的水环境污染问题。近年来,我国经济发展提速,资源利用强度加大,导致湖泊氮、磷营养盐严重富集,某些湖泊生态系统结构遭受破坏,功能紊乱,一些区域的湖泊蓝藻水华频繁爆发,湖泊富营养化呈现迅猛发展的趋势,并对区域经济发展与生产、生活用水保障带来挑战。尽管为了防控湖泊富营养化,我国各级政府投入了大量人力与物力,但在一些湖泊富营养化频繁区,一些防治与控制措施还没有收到理想而满意的效果。文章在综述国内外湖泊富营养化防治与控制策略研究的基础上,阐述了我国在富营养化研究方面存在的主要问题,提出了我国湖泊富营养化分区、分类控制的新思路。     

改进密切值法在湖泊富营养化评价中的应用

密切值法(Osculating Method)作为一种多目标优选方法,在水环境质量评价中具有一定的应用.经过改进,将各级营养级别作为评价样本,参与到湖泊水环境样本的矩阵中,引入目标差值率对初始矩阵进行规范化处理,并应用层次分析法,对各评价指标的贡献程度加以确定.将改进后的密切值法应用于湖泊富营养化评价中.经实例分析表明,该方法概念清晰、计算简便实用,保证了湖泊水环境质量评价的科学性,能较好地反映湖泊水环境质量的优劣,并使其与各级营养级别的关系一目了然.