湖泊生态系统健康评价方法研究

以生态系统健康、生态系统完整性和湖泊内物质循环为基础,在国内外已有的研究基础上,提出了评价湖泊生态系统健康的方法体系、指标和综合健康指数,评价指标包含外部指标、环境要素状态指标和生态指标,并以滇池为例进行评价.1988年、1994年和2001年,滇池的生态系统健康指数从0 847下降到0 814和0 787,这说明滇池的生态系统健康状况在下降,且已处在一种稳定的富营养化状态.     

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.     

武汉市浅水湖泊生态系统健康评价

采用指标体系法对武汉市14个浅水湖泊生态系统健康状态进行综合评价,评价指标包括系统外的压力指标和系统内的响应指标,综合反映了湖泊生态系统的活力、组织力和恢复力;同时用湖泊综合健康指标来反映不同湖泊的健康状况。研究表明该评价方法不仅能反映不同湖泊的不同健康状况,并能较准确地反映出影响湖泊健康的主要因素,对进一步进行多个湖泊生态系统健康评价指标阈值及评价方法研究具有重要的参考意义,为武汉市湖泊生态系统地管理及修复提供重要依据。     

支持向量机在环境空气质量评价中的应用

环境质量评价是环境科学的重要组成部分。建立环境空气质量评价的支持向量机模型,并用实例进行验证,评价结果与实际情况及其它方法相吻合,表明支持向量机在环境空气质量评价中的可行性和有效性。     

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。     

应用支持向量机评价土壤环境质量

基于野外采样和室内分析相结合的方法,采用电感耦合等离子体质谱法(ICP-MS)对羊草沟煤矿研究区表层土壤样品中的Cd、Cr、Zn、Pb和Cu含量进行测定,应用非线性支持向量机模型中的分类支持向量机,选用sigmoid核函数,利用MATLAB编写程序,进行土壤环境质量评价,并利用模糊综合评判法对评价结果进行验证.在此基础上,运用对应分析方法对样品和变量进行了关联分析,进一步了解重金属污染特征.评价结果表明,研究区土壤环境质量多为Ⅰ类,与模糊综合评判法的相同率达到91.67%,将支持向量机用于土壤环境质量评价是可行的.相比于传统的评价方法,支持向量机采用结构风险最小化原则,将复杂的非线性问题转化为线性问题,成功的解决了多分类、高维运算等问题.     

基于支持向量机的浮游植物密度预测研究

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较.结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究.     

基于支持向量机的黄东海富营养化快速评价技术

以发展黄东海富营养化现场快速监测技术为目的,选取有色溶解有机物(CDOM)特征吸收系数a_CDOM(255)、a_CDOM(355)、a_CDOM(455)及能现场实时监测的浊度(Tur)、叶绿素a(Chl a)、溶氧(DO)等水质参数,以TRIX值为参照,利用支持向量机建立了近海富营养化快速评价技术.建立的支持向量机模型最优惩罚参数C=45.3,最优核函数参数g=0.7,对训练集分类准确率为92.5%,交叉验证准确率为91.8%,验证集分类准确率为85.0%.结果表明:基于CDOM吸收系数及DO、Chl a、Tur建立的近海富营养化快速评价技术能够准确的对近海富营养化状态进行评估,可为近海富营养化的现场快速监测提供技术支持.     

洱海流域湖泊生态系统健康综合评价与比较

基于2009年5月对洱海及其流域内的海西海、茨碧湖和西湖3个小型湖泊的水环境和浮游生物的调查,采用生态系统健康指数(EHI)和营养状态指数(TSI)法对其生态系统健康状态进行定量综合评价.结果表明:洱海流域湖泊整体处于富营养状态,健康状态较差;各湖泊健康状态存在空间差异:海西海和茨碧湖生态系统健康状态为中等,西湖和洱海健康状态为较差;而洱海湖泊内健康状态同样存在空间差异,北部和中部深水区较其他区域健康状态好.2种评价方法比较表明:洱海流域湖泊属于营养盐和生物量基本上呈正相关的响应型生态系统,生态系统健康指数(EHI)适用于洱海流域的生态系统健康评价.此外,整理分析洱海浮游生物历史数据,同样采用EHI法评价得出近20年来洱海生态系统健康状态呈逐渐恶化趋势,尤其1997年健康状态最差.     

基于改进支持向量机的石煤提钒行业清洁生产评价研究

采用遗传算法(GA)对支持向量机(SVM)进行改进,并将其应用于石煤提钒行业清洁生产评价.在系统研究石煤提钒工艺类型的基础上,根据前期已建立的石煤提钒行业清洁生产评价指标体系,提出GA改进SVM的应用思路,通过对3种工艺类型企业的现场数据采集,形成训练和测试样本,并利用GA算法确定出各类参数(惩罚参数C和核函数参数g),分别为强酸浸工艺C=2.1049,g=5.2184;弱酸浸工艺C=0.0035286,g=1.9947;水浸工艺C=0.39587,g=1.4105.GA-SVM模型测试结果表明,分类精度达到100%.通过与其他评价方法对比表明,训练好的GA-SVM方法针对小样本数据在分类精度和可操作性上都较其他方法有明显优势,实现了对石煤提钒行业清洁生产水平的定量评价.     

基于粗糙集的支持向量机地下水质量评价模型

以辽宁绥中县第四系松散岩类孔隙水的10组水质监测数据为基础,选取pH值、Cl^-、SO₄^2-、NH₄⁺、NO₂^-、NO₃^-、F^-、总硬度、总溶解固体等14项水质评价指标,采用粗糙集对指标进行约简,将基于属性依赖度和信息熵的启发式算法结合,获得属性约简集,应用支持向量机分别评价约简前后的地下水质量.结果表明,属性约简将14项水质指标精简为8项,水质评价结果与约简前保持一致,区域地下水普遍在III类以上,部分地区铁、"三氮"等超标,不适宜饮用.粗糙集和支持向量机的联合应用,在保证分类能力的前提下有效地减少冗余指标,降低运算维度,保证水质评价的合理性.     

城市生态系统健康评价初探

采用生态系统健康的理论与方法来分析城市生态环境问题具有较强的理论意义和现实意义.着重探讨城市生态系统健康评价方法,提出完整的评价指标体系,建立模糊评价模型;并以广州市为例,北京、上海为参比城市,对3城市的生态系统健康状况进行了比较评价,明确广州市的生态系统健康状况及其制约因子,为广州城市生态规划提供可靠的背景状况和研究依据.     

基于支持向量机的资源型城市可持续发展指标体系研究

资源型城市的可持续发展系统是由自然、经济、社会三个基本层次组成的相互作用且相互依赖的复杂巨系统。支持向量机回归具有非线性、并行分布处理、自学习等特点，可以较为逼真地模拟该系统。本文通过对资源型城市可持续发展指标体系现有主要方法的研究，提出以支持向量机为模型的资源型城市可持续发展指标的分析预测方法，并应用此方法构造支持向量机。绘制指标预测图。对铜陵市国民经济总产值进行了预测。结果表明本预测方法效果较好。     

一种城市生态系统健康评价方法及其应用

将健康概念引入城市生态系统研究,从复合生态系统角度评价和辨析城市生态环境问题,为生态城市建设提供决策依据极具现实意义．基于城市复合生态系统健康内涵,提出用距离指数和协调指数表征系统发展水平和协调状况,构建整合距离指数和协调指数的城市生态系统健康评价模型,并设定了城市生态系统健康状态的评价标准,建立城市生态系统健康评价指标体系．对宁波的实例分析揭示了宁波城市生态系统健康特征和地域空间分布,表明模型能够很好地辨识城市生态系统的复合特征和地域空间特征,指示城市生态规划和建设的重点行动领域,为城市实施可持续发展战略提供决策依据．     

一种城市生态系统健康评价方法及其应用

利用集对分析方法,将评价城市生态系统健康状况的多个指标系统合成一个与最优评价集的相对贴近度,用来描述城市生态系统健康状况.运用集对分析方法,以北京、大连、上海、武汉、厦门、广州等城市为例,对1995～2003年间的城市生态系统健康进行了评价.结果表明,不同时期各城市生态系统健康状况排序有所变化,但厦门和广州一直名列前茅.此外,对北京1992～2003年间城市生态系统健康状况的变化情况进行了具体分析,结果显示,北京城市生态系统健康状况随着时间的推移而不断改善.