象山港海域水质时空格局的自组织特征映射神经网络识别

于2007—2008年对象山港23个站点(包括10个电厂站点)的水质样品进行连续2年的季节性采集,采用SOM (Self-Organizing Map) 工具箱,结合k-nn (k nearest neighbors)神经元聚类对15个水质参数进行分析,以探明象山港海域水质时空变化并识别敏感的影响区域.结果显示,象山港海域N/P(物质的量比)平均值为27.0.水体污染指数(AI)和海水营养指数(NI)分别指示整个象山港水质处于严重污染和富营养化状态,但水质加权指数(WDX)显示,加权水质标准未超过3类水质,说明传统的AI和NI指数不能反映象山港的实际水质状况.经SOM分析发现,象山港海域各取样站点按季节和空间格局可分为8个聚类组.从季节上看,pH和油类含量在春季最低;夏季水温、COD、NO2--N最高,而DO最低.NO3--N、DIN、DIP在秋冬季节高于春夏季节,但透明度相反.Chl-a含量以夏季最高,冬季最低.GLM (General Linear Model)方差分析显示,不同季节的安全性指数(SFT)和N/P无显著差异(p>0.05),而NI、AI和WDX差异极显著(p<0.01).空间分析显示,象山港水体可分为港底区和口中部区,其中,港底区盐度、pH显著低于口中部区(p<0.01),而NO2--N、NH4+-N、DIN、DIP、Chl-a则显著高于口中部区(p<0.05).除WDX无显著差异外,港底区的N/P显著低于口中部区(p<0.01),而NI、AI、SFT相反(p<0.05).建议港区底部宜采用养殖大型海藻方式以减轻富营养化,此外,冬季黄墩港的水体中粪大肠菌群严重超标,生食该季节贝类产品时需要检测.     

基于自组织映射与随机森林耦合模型的流域水质空间差异性评估

流域水环境质量空间分布特征分析是推进流域精细化管理的基础.本研究基于流域特征指标与水质的关联性,以子流域为分析单元,利用自组织映射人工神经网络模型（SOM）对苕溪流域水质数据聚类分析为3类后与随机森林模型（RF）进行耦合,对全流域水质进行了空间差异性评估.研究结果显示,上游山地区域水质较好,而平原河网人口集聚区的COD_Mn、NH₃-N及TP浓度较高,山地与平原过渡地带水质则主要受到COD_Mn和TN的影响.采用自然环境、社会经济及土地利用/覆盖指标作为流域特征进行水质分级模式识别,SOM与RF模型耦合模型的准确率稳定在80%左右;在对强相关性特征进行筛选识别后,将蒸发蒸腾量、坡度、人口密度、大于10℃积温、旱地占比、城镇用地占比及景观多样性指数为作为输入特征,准确率可达83%,可以有效地开展全流域水质分级评估.     

荧光溶解性有机质EEMs的新旧自组织映射图解析方法比较研究

目前,对地表水体荧光溶解性有机质(Fluorescent Dissolved Organic Matter,FDOM)三维激发发射矩阵(Excitation-Emission Matrices,EEMs)数据的解析仍旧存在挑战.本文结合原始EEMs和从中分离的荧光平行因子分析(Parallel Factor Analysis,PARAFAC)组分,利用自组织映射图(Self-Organizing Maps,SOM),开展了基于传统EEMs-SOM和新型PARAFAC-SOM神经网络模型的复杂荧光数据解析能力对比研究,以此探索和改进EEMs多元解析方法技术体系.模型以已发表论文原始数据为基础构建,研究对象为南太湖重要入湖河流东苕溪水系.结果显示:EEMsSOM模型需依赖常规\"摘峰法\"对各荧光峰做出主观判断,不能有效识别重叠荧光峰,且人为割裂多激发共发射荧光物质峰之间的联系,从而弱化分析结果的实际环境意义,但神经元的模式荧光光谱可视化效果较佳,且操作简便,耗时较少;PARAFAC-SOM模型克服了上述缺陷,可清除EEMs中的噪声或无用信息,大幅降低输入变量数(从1742个降至4个),缩减运算时间,较大地改善了输出结果的准确性,获得无损可靠且实际环境意义较强的结果,但该法的PARAFAC预处理要求较高,工作量较大;两类模型解析结论大体一致,对前期研究进行了全新的阐述和补充,且生动揭示了FDOM在多级河流水体中的空间赋存变化规律及河流的动态污染过程.综上,推荐在今后研究中综合使用两类优势互补的模型以实现对EEMs的深度解析.     

用微生物群落评价水系的自组织人工神经网络方法

利用原生物群落在PFU上群集过程中的变化,可以评价水质和监测水污染,运用T．Kohonen自组织人工神经网络模型,根据NacArthur－Wilson平衡模型提出了3个功能参数和另外2个结构参数,对常德市16个站四季的水质进行了分析,建立了水质污染程度预测的计算机智能专家系统,预测成功率达100％。     

基于自组织映射(SOM)算法的地下水污染源反演

根据污染物浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,通过对地下水污染源位置与强度的确定有助于提高地下水污染治理与修复的效果.提出一种基于自组织映射(SOM)算法的地下水污染溯源模型的替代模型的构建方法,并通过数值算例研究了 SOM替代模型中训练数据样本数目和神经元数目的最优组合,以得到能够准确地表征地下...     

新泰市地表水水质评价与防治策略

新泰市地表水环境承载着城区供水、容纳排污、农田灌溉,其由柴汶河流域、金斗山水库、光明水库、东周水库水组成;依据2009--2012年监测数据,采用综合污染指数法、单因子类别法评价了柴汶河流域以及三个水源地的水质;水质评价内容包括：污染物浓度平均值、水污染因子分担率、污染指数、水库富营养化程度等;提出了切实可行的地表水环境防治策略。     

我国典型城市地表水水质综合评价与分析

应用内梅罗指数法对我国27个典型城市地表水水质进行评价,分析地表水水环境质量现状,揭示水质时空变化规律。结果表明：NH₃-N浓度、TP浓度、COD_Cr、BOD₅和COD_Mn为地表水主要超标因子,NH₃-N浓度为首要污染因子,水质主要受氮、磷营养盐及有机物影响。华北地区参与评估城市的水质级别均为较差;西北、东北、华东、华南、华中和西南地区参与评估城市的水质级别较好比例在50%以上。城市建成区水质优于非建成区;国控断面水质级别为较好。2012—2014年期间,典型城市地表水水质有明显的好转趋势,水质级别较差城市比例下降11%。西北和东北地区,因为人口密度小,经济发展相对不快,水质保持相对稳定,多数城市水质季节性特征不明显;华东地区地域辽阔,整体来看季度水质波动没有明显规律;华中和华北地区,受气候和降水量影响,城市水质季节性特征比较明显。     

PCA-SOM耦合模型在湖泊水质评价中的应用

富营养化是湖泊沼泽化进程加快的重要因素之一,而湖泊富营养化的预防与治理已经成为世界性的难题。湖泊富营养化评价是湖泊治理的基础,它可以为治理工作提供科学的依据。该文以乌梁素海为例,采用主成分——SOM人工神经网络耦合模型进行富营养化评价。先建立富营养化评价指标体系,然后用主成分分析剔除存在相关性、信息重叠的指标,再将利用主成分分析得到的具有代表性的主成分指标代替原来的评价指标,输入到自组织特征映射网络模型中,最后对富营养化状况进行聚类分析。所得结果与实际相吻合。该方法能根据实测资料对湖泊富营养化状况客观地分类并计算出评价权值,避免了选取评价指标时的主观随意性。     

河流水质时间序列分析的自组织预测方法及应用

应用前苏联学者伊万年科基于生物控制论中的自组织原理提出的一种数据组合处理方法，有效地解决复杂非线性系统预测。以汾河某段的水污染时间序列监测数据为基础，建立了一个河流水质污染预测的自组织模型，其建模样本的拟合值和检验样本的预测值相对误差分别在３．１％和５．３％以内。结果表明，自组织模型能较好地描述水污染时间序列数据之间的非线性关系，适合复杂水环境污染系统的预测工作。     

基于自组织神经网络的生态敏感性分区——以北京市房山区为例

 采用自组织神经网络(SOM)模型,以北京市房山区为例,对其进行生态敏感性分区.分别以土壤侵蚀、地表水环境、地下水环境和生境为生态敏感性因子,作为SOM 模型的4 个二维输入矩阵,通过多次迭代学习和自组织聚类,使结果在4 维(4 个生态因子)生态敏感性空间内最大限度地逼近房山区生态特征分布.结果表明,房山区西北部山区的敏感性最高;东部平原是地表、地下水非常丰富的地区,属中度敏感;二者之间的丘陵浅山区敏感性相对较弱.     

利用因子分析法对大连湾水质污染的评价研究

文中利用因子分析法对大连湾的水质污染进行了评价研究，从众多监测项目中提取具有代表性的五个主要因子，通过对各个因子所关联的监测项目的分析，对其所代表信息进行了科学定义。利用kriging插值法归纳了各因子的空间分布及季节变化规律。     

主成分分析法在水环境质量评价中的应用进展

对研究水质的一种多元统计方法——主成分分析法做了详细介绍,并对主成分分析法在河流、地下水、矿区、湖泊水质评价中的应用进行了综述,简要分析了主成分分析法在水环境质量评价中尚有不足之处。     

峡山水库水环境质量评价及分析

峡山水库作为山东省潍坊市重要水源地,对潍坊市社会、经济和环境的谐调发展具有重要的意义。本文根据2009-2011年水质监测资料利用单项标准污染指数法对峡山水库的水质进行了评价与分析。结果表明：峡山水库水质以Ⅲ类水质为主,距离水源地一级保护区要求达到的Ⅱ类标准仍有一定的差距,主要的污染因子为COD、TP。     

基于不确定度和敏感度分析的LCA数据质量评估与控制方法

通过提出定量评估并控制LCA数据质量的系统化方法(称为CLCD-Q方法),从LCA案例的原始数据和清单数据算法开始评估不确定度;然后通过两次蒙特卡罗模拟,先后得出单元过程清单数据及LCA结果的不确定度;最后结合敏感度分析,辨识出LCA模型中具有高不确定度和高敏感度的关键数据,从而指出控制和改进数据质量的关键点.结果发现,上述方法可在eBalance软件和CLCD数据库中实现.同时,对中国电网电力生命周期的示例研究表明,上述方法将传统的LCA数据质量评估延伸到了原始数据层面,从而为数据收集过程中的原始数据与算法选择提供了直接的支持,同时也可以针对数据质量不达标的LCA结果,指出最有效的改进方向.     

洞庭湖水质因子的多元分析

年1—12月在洞庭湖湖区采集360个水样,测定pH、ρ(DO)、ρ(BOD₅)、ρ(TP)、ρ(COD_Mn)、ρ(COD_Cr)、ρ(NH₃-N)、ρ(TN)、粪大肠菌群及ρ(Chla). 采用主成分分析法对采样断面水质因子进行分析. 结果表明:虞公庙、鹿角断面水质主要影响因子为ρ(DO)、ρ(BOD₅)、ρ(TP)、ρ(COD_Mn)、ρ(COD_Cr)、ρ(TN)、ρ(NH₃-N)及ρ(Chla);南嘴、目平湖、横岭湖和万子湖断面水质主要影响因子为ρ(TP);小河嘴断面水质主要影响因子为ρ(TP)、ρ(BOD₅)和ρ(Chla);东洞庭湖断面水质主要影响因子为ρ(BOD₅)和ρ(Chla);岳阳楼和洞庭湖出口断面水质主要影响因子为ρ(DO)、ρ(COD_Mn)、ρ(COD_Cr)、ρ(NH₃-N)和ρ(TN). 主成分综合得分对各断面水体受污染程度排序为虞公庙>鹿角>东洞庭湖>岳阳楼>洞庭湖出口>南嘴>横岭湖>目平湖>小河嘴>万子湖.      

我国淡水中铜的水质基准及生态风险评估研究

铜是生命体必需的微量元素,但是摄入量过高又会对机体产生危害。以我国淡水生态系统为保护对象,选取有代表性的本地物种及敏感性高的模式生物作为受试生物进行急慢性毒理试验,同时,筛选收集其他淡水生物的毒性数据,通过物种敏感度分布法进行铜的水质基准阈值的推导。最后,运用商值法对我国淡水环境中铜的生态风险进行评估。结果表明,铜的短期危险浓度和长期危险浓度分别为30.9,4.1μg/L。铜对我国淡水水体的风险相对较低,在低剂量长期暴露的情况下,部分水体会对水生生物产生潜在的生态风险。     

主成分和聚类分析应用于淮南矿区地下水水质评价

运用主成分方法分析淮南矿区23个地下水样的7个水样指标,提取出4个主成分,应用聚类分析对该4个主成分的得分进行聚类。在此基础上,将主成分得分与其对应的特征值相乘,得到水质综合评价指数。聚类分析后水样划分为5类,对每一类的水质综合评价指数取平均值,从而确定水质等级。