网箱养殖区底层水N的硝化作用分析

根据1998年4月至1999年2月对厦门西海域网箱养殖区底层海水中NH3-N、N02^-的含量变化规律的分析，结合环境因子水温(t)、Do、pH、COD等对发生在养殖底层海水中的氮的硝化作用进行了分析。结果表明，网箱养殖区底层水N的正常代谢偶联，是养殖水体保持稳定的重要条件。     

大洪湖水库网箱养殖区污染分析

对大洪湖水库网箱养殖区域水体污染进行了研究,结果表明水体已呈中度富营养化状态,网箱内TP、TN、高锰酸盐指数、DO和SD均比非养殖区域有所增加,其中总磷超标严重,已达Ⅴ类水质指标。对养殖区底泥采样分析表明底泥中总溶解氮达381mg/kg,总溶解磷为30.7mg/kg。采用模拟法对底泥中的氮、磷释放规律进行了研究,发现底泥的氮磷释放对水体富营养化贡献较大。     

夏季海水养殖区大型网箱内外沉降颗粒物通量

通过模拟实验,研究了爱伦湾抗风浪网箱沉降颗粒物(SPM)的通量,估算了12h内SPM中无机氮(IN)、(无机磷)IP的释放速度.结果表明,由于投饵不当,残饵和粪便大量产生,严重影响水域生源要素的生物地球化学行为.SPM通量、POC、TN、TP的通量均为网箱内大于网箱外.SPM的C/N为21.6～69.2,说明在浅海区沉降过程中,N的分解较快,爱伦湾是低生产力水域.N/P为0.54～0.99,颗粒物中氮缺乏.短期内,SPM都释放IN、IP. SPM对NH4+-N有一定的吸附特性,SPM中POC 71%～76%被释放,TP 88%～97%被释放,TN的吸附率为44%～94%.     

哑铃湾网箱养殖区底层水中各种形态P的含量和季节变化

根据2002年4月～2003年1月在哑铃湾网箱养殖区的水化学现场调查,分析了底层海水中P的形态构成以及各种形态P的时空分布特征,讨论了各种形态P之间的线性相关性以及影响溶解态P（DTP）和溶解无机P（DIP）的环境因素,比较了网箱区与附近海区溶解态P的含量差异.结果表明：养殖区底层海水中的P主要以DTP形态存在,夏季DTP主要以DOP形态存在,春、秋、冬季主要以DIP形态存在;网箱养殖使底层海水中各形态P都有不同程度的增加,DIP和DTP的增加更明显,短期养殖的影响较小,长期养殖的影响明显,停养后仍对水体产生一定影响;网箱养殖对养殖区外水体中溶解态P含量的影响范围有限,对网箱区内的影响明显.     

后水湾深水网箱养殖区浮游植物群落季节变化及其与环境因子的关系

基于2018年4月至2019年1月在后水湾深水网箱养殖区及其邻近海域调查的浮游植物和环境因子数据,分析了该海域浮游植物群落的四季变化与环境因子的关系以及深水网箱养殖对环境的影响。结果表明,调查海域鉴定出浮游植物5门65属214种,以硅藻为主;优势种类主要有中肋骨条藻（Skeletonema costatum）、柔弱拟菱形藻（Pseudo-nitzschia delicatissima）、热带骨条藻（Skeletonema tropicum）和细弱海链藻（Thalassiosira subtilis）等,优势种组成存在明显的季节变化;浮游植物细胞丰度和生物多样性指数（丰富度、多样性指数和均匀度）季节差异较为明显,夏、秋季普遍高于冬、春季。根据相似性聚类分析和多维尺度分析结果,浮游植物群落组成季节间差异显著,养殖区和对照点间无显著差异。根据RDA分析结果,温度、盐度和营养盐是影响浮游植物群落结构的主要因子,各种浮游植物对环境因子的响应有所不同。调查期间,后水湾海域水质较好,各季节养殖区与对照点的浮游植物群落组成及环境因子无显著差异,深水网箱养殖未对后水湾的水质及浮游植物产生明显影响。     

基于贝叶斯-微分进化算法的小沿河应急水库(拟建)水质预测

为预测拟建小沿河应急水库蓄水后生态净化工程对水质的影响,构建河流污染物衰减模型和Streeter-Phelps模型对入库河道中高锰酸盐指数(COD_(Mn))、溶解氧(DO)、总磷(TP)以及氨氮(NH_3-N)进行预测,同时构建沃伦维德模型,预测库区TP及NH_3-N的浓度变化,并运用贝叶斯-微分进化算法得到最大可能的模型衰减系数。结果表明:应急水库生态治理工程对水质具有一定程度的提升,但是随着取水量的增大,小沿河应急水库对污染物的衰减作用逐渐减小,水生态平衡区富营养化程度由贫营养化程度转变成富营养化程度。在设计取水量50万m~3/d的条件下,生态净化工程对水质提升作用不明显。     

大鹏澳网箱养殖区春季细菌的时空分布特征

2008年4月对大亚湾大鹏澳网箱养殖区环境中异养细菌与弧菌的空间分布及其与环境因子的关系进行了研究.结果表明,水体异养细菌水平分布特征为:养殖区>非养殖区,水平差异极显著(t检验,P=0.005);沉积物异养细菌:养殖区为非养殖区的12倍;水体异养细菌垂直分布特征为:表层海水>底层海水,垂直差异显著(t检验,P=0.0...     

基于贝叶斯网络的基本农田划定方法

基本农田划定是落实耕地保护、保证粮食安全的关键问题。目前,基本农田划定的相关研究多基于对耕地适宜性条件的评价,而未涉及对耕地历史变化过程的考虑,因而不能保证划定结果适应实际区域的耕地变化趋势,导致基本农田易被占用,补划与调整频繁。论文综合考虑耕地适宜性条件与历史动态变化状况,提出了一种基于贝叶斯网络模型的基本农田划定方法。以湖北省大冶市这一典型资源型城市为实验区进行了实例研究,划定结果表明,该划定方法能在保证基本农田划定数量与质量的同时,提高其农业用途的稳定性,促进基本农田保护与经济建设、生态保护间协调发展,是一种有效的划定模型。     

哑铃湾网箱养殖水体中N的含量特征

根据2002年4月～2003年1月对哑铃湾网箱养殖海区水化学的现场调查,分析了网箱养殖水体中不同形态N的季节变化和含量特征,结果表明:网箱养殖使水体中各形态N都有不同程度的增加,尤其是DIN、NH4 N的增量更大;短期养殖对各形态N的影响不大,而长期养殖对水体中N的影响较显著。     

基于贝叶斯公式的地下水污染源识别

将贝叶斯公式与地下水二维水质对流-扩散方程相耦合,建立依靠监测井监测值的地下水污染源参数（污染源强度M、排放位置（X₀,Y₀）和排放时刻T₀）反演模型.针对监测井监测值信息量不充分或者监测值与模型参数关联性较弱的问题,提出了一种基于贝叶斯公式与信息熵的监测井优化设计方法.构建一个污染物在承压含水层中瞬时排放的算例,在确定单井监测及监测次数条件下,以监测井位置D及监测频率Dt的优化为目标,分别进行模型参数后验分布信息熵最小的单目标监测方案优化,以及信息熵最小且监测耗时最短的多目标监测方案优化.依据优化后的监测方案采用延迟拒绝自适应Metropolis算法进行污染源参数反演识别.算例研究表明：在预设定单井监测,且监测次数为5次条件下,单目标优化后的监测方案为D=（830.2,199.8）,△t=2.7,在此监测方案下,4个污染源参数M,X₀,Y₀,T₀的反演均值误差分别为19.5%、13.2%、3.4%、1.3%;多目标优化后的监测方案为D=（807.9,199.4）,△t=1.2,在此监测方案下,4个污染源参数M,X₀,Y₀,T₀的反演均值误差分别为19.9%、13.4%、3.7%、4.2%.与基于单目标优化的监测方案的反演结果相比,基于多目标优化的监测方案条件下,污染源参数的反演均值误差虽分别增加了0.4%、0.2%、0.3%、2.9%,但监测时间却显著缩短了55.6%.     

基于贝叶斯网络的生态用地流失机制研究

从中微观尺度对城市滨江地区生态用地流失进行驱动因素分析,尤其将政策规划等具有重要影响力的因子进行量化分析,可为生态用地开发与保护政策制定提供参考。利用贝叶斯网络模型综合考虑导致生态用地流失的邻域因子、自然因子和政策规划因子,以良好的图形描述方法较为清晰地展示出生态用地变化及其驱动因子之间的过程关系。以南京滨江地区作为典型案例区,研究结果表明:(1)2005—2018年间,南京滨江地区约11.0%的生态用地发生流失,维持稳定的生态用地占比89.0%;(2)政策规划保护力是影响南京滨江地区生态用地流失的主要驱动因素,城镇扩张惯性力次之,二者对生态用地流失的敏感性分别为9.37%和2.53%,而开发阻力的敏感性仅为0.21%;(3)在政策规划因子中,沿江岸线规划对维持生态用地稳定性的作用效果高于土地利用规划,表明要使生态空间得以长期存在,应制定基于生态用地功能目标的保护政策。     

基于贝叶斯网络拓扑结构的水环境风险溯源——以饮马河流域为例

为了解决流域水环境风险诊断过程中污染来源不清、污染贡献难以量化等问题,提出了一种基于贝叶斯网络拓扑结构的污染源追责量化方法.该方法首先通过互信息的计算实现流域水环境典型污染物的准确识别,在此基础上通过贝叶斯网络拓扑结构分析与启发式搜索算法快速辨析流域内典型污染来源及其污染贡献.本次选取吉林省饮马河流域2017~2020年水质监测数据进行分析.结果表明,氨氮为流域内的典型污染物;靠山南楼、靠山大桥、刘珍屯3个站点的污染来源分别为:杨家崴子、新立城大坝、砖瓦窑桥.其中靠山南楼有63%的污染来源于杨家崴子,靠山大桥有30%的污染来源于新立城大坝,刘珍屯有75%的污染来源于砖瓦窑桥.本次评估方法的构建可为流域水环境风险溯源及污染责任认定提供技术支撑.     

基于遗传算法与人工神经网络相结合的玉米估产研究

在遗传算法 (GeneticAlgorithm )与误差反传 (BackPropagation)网络结构模型相结合的基础上 ,设计了用遗传算法训练神经网络权重的新方法 ,并对吉林省梨树县的玉米进行了估产研究 ,同时与BP算法和灰色系统理论模型进行了比较。经检验 ,计算值与实际值接近 ,并优于灰色理论模型 ,具有良好的预测效果 ,从而为农作物估产提供了新方法     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于多流域生态网络模型的用水系统结构特征演化分析

以黄淮海流域为案例,将其涵盖生态环境和社会经济用水的水资源利用系统作为研究对象,构建多流域生态网络模型,从系统整体角度自上而下对其进行描述并开展生态网络分析,通过系统整体分析指标的计算,对黄淮海流域在2003~2014年期间系统结构特征的演化进行了分析.研究结果表明,2003~2014年期间,通过"十一五"、"十二五"规划所开展的多项水资源可持续利用措施的实施,系统受到来自外界环境的压力和干扰有所减小,系统逐渐趋于稳定,但却仍存在着生态用水量严重短缺的问题,系统的可持续性还有待进一步研究和提高.     

基于复合指纹图谱和贝叶斯模型的茅尾海悬浮颗粒物源解析

为明确茅尾海中悬浮颗粒物的来源,采集了茅尾海流域红树林土壤、堤岸土、河口颗粒物、茅尾海沉积物以及湾外颗粒物等悬浮颗粒物潜在源样品.基于多元统计复合指纹图谱方法,筛选出最佳指纹因子组合,进而通过贝叶斯混合模型得出五种潜在源对茅尾海悬浮颗粒物的贡献率.结果表明:Mg、Al、Mn、Pb、Fe五种指纹元素可作为最佳指纹因子组合,累计判别正确率为78%.贝叶斯混合模型结果显示,茅尾海悬浮颗粒物主要来源于河口和湾外输送,贡献率最高达到58.9%和68.6%.其中,靠近河口区域主要受河流汇入影响,其贡献率达到42.2%~58.9%;靠近湾外区域则以湾外颗粒物贡献为主,贡献率达到44.9%~68.6%.各点位的沉积物贡献率均较低,红树林土壤和堤岸土的贡献率都在10%左右.总的来说,由河口汇入和潮汐作用带入的颗粒物是茅尾海悬浮颗粒物的主要来源.     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

基于有色溶解性有机质(CDOM)解析陆源污染物在东海区域的分布特征

随着“陆海统筹”海洋保护战略的提出,近海水质修复越来越依靠对污染源数据的准确掌握,而活性磷酸盐和总无机氮等常规水质指标不能对海洋中陆源污染物进行有效指示.因此,本研究利用三维荧光光谱结合平行因子分析(EEM-PARAFAC)等技术分析了象山港和东海不同深度有色溶解性有机质(CDOM)的组成和分布特征,探讨基于CDOM快...