改进属性识别法在水质评价中的应用

为克服水质综合评价过程中指标权重带有主观性的弱点,提出了基于数据驱动技术确定权重的改进属性识别法,综合利用分类标准信息和样本信息进行迭代确定权重.采用浮桥河水库枯水期水质监测资料进行水质评价,验证了该模型用于水质综合评价的可行性.     

主成分分析法在水节霉生长水体水质评价中的应用

基于SPSS主成分分析法对海浪河流域水节霉生长水体水质进行评价.在12月份,对海浪河流域10个断面的水质指标进行评价,结果表明,英雄桥和斗银河口断面污染较严重,主要污染物为氮和有机物,其余断面水质较好,基本满足功能需求;同时对水节霉惟一生长地河夹村大坝连续进行6个月的水质监测,结果表明,在冰封期的1～2月份,该断面污染...     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

改进的TLI指数法及其在巢湖营养状态评价中的应用

对巢湖2000—2008年的监测数据运用SPSS做统计分析,得出叶绿素a与总氮、总磷和透明度的相关系数。通过得出的权重结果,分析出与26个湖泊的差异性,构建了改进的综合营养状态指数(TLI)评价方法,并提出评价的4个步骤。以巢湖为例,运用该方法对湖泊的营养状态进行评价,且对巢湖的富营养化程度做了年际和年内变化的综合评价,评价结果显示各营养物指标的相关关系在近30年有了较大变化,巢湖的富营养化现象已日益严重,已从轻度富营养化状态转变为中度富营养化状态。     

基于动态RBF神经网络的地下水质量评价

提出一种基于动态RBF神经网络的地下水质综合评价方法。该方法采用最近邻聚类算法,构建动态RBF神经网络,利用神经网络对待测水质进行分类识别,根据网络输出,实现水质等级的确定。应用结果表明,该方法具有训练速度快、评价准确度高的优点,提高了水质综合评价的精度和客观性。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

模糊综合评价在天然水体水质评价中的应用研究

采用模糊数学方法,对河网地区面源污染影响较大的代表性河流的水质状况进行综合评价研究。根据监测断面水质污染特点,确定了8个指标作为评价因子,建立了评价因素矩阵,计算出影响因子的权重。在此基础上,提出了模糊综合评价的水质级别,证明该河网地区的污染物主要是氮、磷和有机物。     

模糊综合评价在天然水体水质评价中的应用研究

采用模糊数学方法，对河网地区面源污染影响较大的代表性河流的水质状况进行综合评价研究。根据监测断面水质污染特点，确定了8个指标作为评价因子，建立了评价因素矩阵，计算出影响因子的权重。在此基础上，提出了模糊综合评价的水质级别，证明该河网地区的污染物主要是氮、磷和有机物。     

固城湖,石臼湖水质及其不稳定性研究

根据固城湖、石臼湖共三个监测点为期１年的水质监测资料，在用水质标准类别法进行综合评价的同时，对水质总体情况及主要污染指标进行不稳定性研究。结果表明：水质的不稳定性研究对于全面、客观地评价地面水环境质量、水源的科学选择及寻找、治理水质污染等工作均有重要意义。     

基于聚类分析和水质标识指数的水质评价方法

为探讨一种适用于大尺度、多断面和长时间的水质评价方法,用层次聚类分析将2006~2008年海河5个监测断面的165个水质样本分为20组,并用方差分析验证了结果的可靠性。用综合水质标识指数表示水质样本的综合特征,与单因子评价法相比,该方法充分考虑了最差水质因子的影响,避免了单因子评价法以偏概全的缺陷,且分辨率高。将评价结果分解到各断面,结果表明:密云水库、官厅水库和于桥水库的水质处于II~III类水之间,可满足作为饮用水水源水的要求,三岔口断面大部分时间为IV~V类水,张家口八号桥断面全年有6个月以上水质属于劣V类。