哑铃湾网箱养殖环境容量研究Ⅰ.网箱养殖污染负荷分析计算

在综述分析前人关于网箱养殖污染负荷计算方法的基础上,借助网箱养殖物质平衡方程和实地监测实验数据,建立了哑铃湾网箱养殖污染负荷数学模型,并在模型中首次考虑了底泥累积污染影响.一方面为计算网箱养殖环境容量提供理论基础和计算参数,另一方面也为国内外相关的计算提供方法和参考.     

哑铃湾网箱养殖环境容量研究

在综述分析前人关于网箱养殖污染负荷计算方法的基础上，借助网箱养殖物质平衡方程和实地监测实验数据，建立了哑铃湾网箱养殖污染负荷数学模型，并在模型中首次考虑了底泥累积污染影响。一方面为计算网箱养殖环境容量提供理论基础和计算参数，另一方面也为国内外相关的计算提供方法和参考。     

哑铃湾网箱养殖自身污染状况

根据2002年4月、7月、10月和2003年1月对哑铃湾海域网箱养殖区的调查数据，分析该海域网箱养殖自身污染情况。结果表明，网箱养殖增加了水体中N、P的含量，改变了养殖水体中一些化学因子的垂直分布，加速了哑铃湾海域的有机污染和富营养化。随着养殖年限的增加，哑铃湾网箱养殖自身污染日趋严重。     

舟山渔场深水网箱养殖环境前期评估

对舟山渔场深水网箱养殖的五个重要基地的自然环境状态、网箱分布情况、风浪流基本情况、海水理化因子指标等进行了连续4 a的动态观测,结果表明:5个主要深水网箱养殖海区的自然环境条件优越,海区有天然的屏障物,可避大风浪,海水水质除营养盐外均属于一类或二类水质标准,底质基本符合沉积物一类标准,养殖环境状况良好,适合发展深水网箱养殖.此外海区环境变化监测结果表明:养殖前期,深水网箱养殖使得海区环境的营养盐提高了4.3倍,2005年后,增加的趋势得到了明显的抑制,趋于平稳.因此,深水网箱养殖需要通过加强水质管理,合理布局,科学养殖等措施稳步持续发展.     

哑铃湾网箱养殖环境容量研究Ⅱ.网箱养殖环境容量计算

根据作者自己建立的网箱养殖污染负荷模型，结合二维水动力和水质数学模型，对哑铃湾网箱养殖环境容量进行了计算。结果表明，随着养殖时间的增加，该海域养殖容量不断地变小，当预计只养1a时，它的容量为54100箱，10a以后，它的容量就变为34500箱。而目前该海域只有4000箱左右的网箱，还远远没有达到它的环境限制容量。     

宁波南沙港网箱养殖水域营养状况评价及生物修复策略

根据2007年1月-2007年11月4个航次对宁波南沙港网箱养殖水域水体营养盐（NO2--N、NO3--N、NH 4＋-N和PO34--P）含量的监测结果,利用营养指数E法对水体的富营养化状态进行了评价。根据网箱养殖系统物质平衡方程和现场调查实验数据,估算了南沙港网箱养殖水域的氮磷污染负荷,以溶解态氮作为平衡指标,估算了鱼藻类合理的配比模式。结果表明,南沙港水体中NO2--N、NO3--N、NH4＋-N、PO4-P含量年变化范围分别为0.26μmol/L～4.86μmol/L,33.93μmol/L～82.86μmol/L,0.59μmol/L～7.86μmol/L,1.47μmol/L～2.97μmol/L,不同养殖区之间营养盐含量差异不显著（p〈0.05）;营养指数E值年变化范围介于2.41～15.99之间,表明该港水体处于重度富营养化状态;养殖区N/P值的年平均值为32.95,表明南沙港海区是一个氮过剩的养殖系统。南沙港网箱养殖水域氮、磷的负荷量分别为70.43 t/a和5.96 t/a,其中溶解态氮、磷负荷量分别为49.3 t/a和2.38 t/a;南沙港的藻类养殖面积需要在现有基础上再扩大0.44倍,达到107.52 ha,才可以与网箱养殖系统的氮磷污染负荷构成平衡;网箱养殖个数与藻类养殖面积（ha）的合理配比约为1∶0.027。     

网箱养殖N、P物质平衡研究--以广东省哑铃湾网箱养殖研究为例

通过借鉴封闭系统水产养殖物质平衡的观测思路,把网箱当作黑箱,对广东省哑铃湾一个典型鱼排网箱养殖的物质平衡进行了观测和计算,建立了网箱养殖N、P物质平衡方程.结果表明,网箱养殖N、P物质的利用率比基塘、虾池等封闭系统要低得多,而且网箱养殖N、P的输入主要是投饵造成的,而输入的N、P物质,在水环境中发生一系列的迁移、转化,除了10%左右被利用收获外,其余的大部分被水动力带走,污染临近水域,还有一部分则沉积在底泥中,形成内源污染.     

哑铃湾网箱养殖海域沉积物中氮的地球化学形态分配特征

对哑铃湾养殖网箱下沉积物、养殖区和非养殖区沉积物中氮的地球化学形态分配特征做了4个季度的比较研究。结果表明:除NNEX以外,其他形态氮的含量都是养殖网箱下沉积物>养殖区沉积物>非养殖区沉积物,并且随着养殖年限的增加,这一规律越明显;但各形态氮之间的比例在三类海域沉积物中有所不同,w(NO) w(NT),w(NEX) w(NI),w(NH+4-N) w(NEX)都是养殖网箱下沉积物>养殖区沉积物>非养殖区沉积物,养殖历史最长的S6站点养殖网箱下沉积物比例最高,网箱养殖明显增大了NO,NEX和NH+3-N) 4-N的含量,而w(NI) w(NT),w(NNEX) w(NI),w(NO-w(NEX),w(NO-2-N) w(NEX)则呈相反的规律;各形态氮之间及其与有机质之间的相关性在三类海域沉积物中也不尽相同,养殖网箱下沉积物中,w(NH+4-N)与w(NT),w(NO),w(NI)及有机质与w(NT),w(NO)都存在显著的正相关关系。      

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.     

网箱养鱼对水环境影响研究及展望

近年来养殖业不断发展,网箱养鱼的规模和密度越来越大,饵料的利用率却比较低,再加上鱼类自身的代谢产物等种种原因,导致养殖水域的水环境受到了严重的影响.本文就鱼类网箱养殖的发展,对水环境的影响以及应该采取的对策等问题进行了介绍和探讨.     

基于贝叶斯网络分类的土壤盐渍化遥感监测

贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的概率模型。采用贝叶斯网络分类对具有典型干旱特征的库车县土壤盐渍化情况进行监测，首先应用条件独立性测试原理建立贝叶斯网络结构，把研究区遥感数据进行离散化，然后应用贝叶斯定理作为分类原则，将每个像元分为像元最大概率的类别。研究结果表明该方法分类6种地类的整体分类精度达到96％，为该区盐渍地面积、空间分布等特征监测提供了较好的依据。     

基于贝叶斯正则化BP神经网络的砂土地震液化研究

砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性.本文在探讨输人层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化预测模型,通过实例计算和模型评价,表明本模型的计算结果与规范法、改进的Seed简化法以及基于传统BP网络算法的...     

氯代芳香族化合物结构-电化学还原电位定量关系的贝叶斯规整化BP神经网络模型

将贝叶斯规整化误差反向传播神经网络(BRBPNN)应用于环境领域的 QSPR模型.采用ChemOffice2004内置的MOPAC 2000计算了6种量子化学参数(分子最高占据能EHOMO、分子最低占据能ELUMO、分子生成热HF、分子偶极矩DIP、分子的电子能量EE和分子的核核排斥能CCR)以及氯原子数(Cl)和分子量(MW),建立了87种氯代芳香族化合物结构与电化学还原电位定量关系的BRBPNN模型.最优网络模型结构为6-20-1,其电化学还原电位的拟合及预测能力明显优于逐步线性回归模型,其训练集和预测集的相关系数平方和均方根误差(MSE)分别达到0.999和0.000105,0.965和 0.00159.最优模型输入节点到隐含层权重平方和的分布规律揭示出各种描述符对还原电位的影响大小依次为: E_LUMO>E_HOMO>HF>CCR>EE>DIP.由散点图揭示出影响为正有EE;影响为负有E_LUMO,HF,DIP;影响无明显正负性的有E_LUMO,CCR.结果表明,贝叶斯规整化大大方便了网络规整化参数选择,保证了网络的优良概括能力和稳健性.本研究对氯代芳香族化合物采用电化学处理的适用性以及分析相应电化学降解机理提供了依据.     

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.     

水文频率线型选择与综合过程中贝叶斯因子求解新方法

为克服水文频率线型选择和综合过程中,贝叶斯因子求解时参数先验分布确定和线型边缘分布数值积分这两个难点问题,联合应用了贝叶斯采样方法和最大熵原理(POME)求解参数后验分布表达式,然后应用参数采样结果中逐个样本近似求和方法代替线型边缘分布积分过程,进而建立了贝叶斯因子求解新方法。实例分析和Monte-Carlo统计试验验证了该方法的准确性和有效性。分析结果显示:序列长度和参数取值大小等因素对贝叶斯因子和水文线型后验概率求解结果影响较大;由于BIC准则的实质是通过寻求一组最优参数值进行贝叶斯因子求解,因此在受到不利因素影响时参数估计结果往往存在较大误差,使得BIC准则的分析结果也存在较大偏差。贝叶斯因子求解新方法能够克服上述不利因素的影响,可以合理地分析和描述参数不确定性,使得分析计算结果明显改善,因此所提新方法具有更好的实用性和可靠性。     

湖泊水质时空变化特征识别的贝叶斯方差分析方法

精细识别湖泊水质的时空变化特征是确定流域污染调控措施的基础.贝叶斯方差分析具有灵活的模型结构,可直接表征变量的时空动态特征.本文据此提出了基于该方法的湖泊水质时空变化特征识别的方法框架,研究了异龙湖稳态转换条件下富营养化指标的变化特征和滇池外海特征污染物达标率的时空变化2个案例,验证了该方法在总体服从正态分布和二项分布时的适用性.针对参数可交换性假设被忽视的问题,本文提出了一种基于模型选择准则的判定方法,并将其应用于滇池案例中.结果表明:(1)相对于清水稳态,异龙湖在浊水稳态时3种富营养化指标浓度更高,且年际方差所占总方差比例减小;(2)滇池外海总氮浓度超标率由2007—2013年间的40%左右降到2014—2016年间的10%左右,且波动性降低.随着监测数据的积累和监测时空精度的增加,贝叶斯方差分析在湖泊水质时空变化特征识别中具有广阔的应用前景.     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

基于区间型贝叶斯的湖泊水质评价模型

在贝叶斯水质评价模型中引入区间数表示污染物浓度,采用区间排序法对水质评价结果进行比较,建立了区间型贝叶斯湖泊水质评价模型。同时将该模型应用于某湖泊的5个采样点进行水质监测及评价,结果显示,5个采样点水质逐渐变差,均为劣V类。基于区间型贝叶斯的湖泊水质评价模型更加直观地表示了同类水质采样点的水质差别,避免了传统方法中主观因素的影响,为属于同类别水质的采样点排序提供了评价依据。     

基于三级分层框架的农业气象灾害多风险评估

农业气象灾害多风险评估对于防灾减灾、制定风险对策具有重要意义。根据1980—2015年陕西省农业气象灾害年度统计资料和2015—2018年农户调研数据,运用贝叶斯网络、贝叶斯分层模型（BHM）等多风险评估方法,分析陕西省农业气象灾害的变化趋势、灾害间相互作用以及生计资本对于不同作物脆弱性的影响。结果表明：（1）1980—2015年陕西省洪涝的灾害率和灾害强度显著下降,斜率分别为0.17%、0.7%,冷冻的灾害率显著上升,斜率为0.25%,干旱和风雹灾害无明显变化;（2）干旱和洪涝显著影响其他灾害,各种灾害之间存在复杂的相互作用;（3）增加有效灌溉面积率、农作物种植面积、农村用电量和农用磷肥施用折纯量等生计资本指标,可以显著降低脆弱性。本文有助于提高农户对农业气象灾害的适应能力,为预防和治理农业气象灾害提供决策参考。     

An entropy-based analysis of data from selected NADP/NTN network sites for 1983–1986

An evaluation is made of the performance of selected stations in the National Acidic Deposition (NADP) Network/National Trends Network (NTN) using data produced in the 1983–1986 period, relative to other stations in the network. Relative quality is judged in an operational sense; the stations are ranked in the order in which they would be dropped if the network were, hypothetically, to be reduced in size. The intended purpose of the network is taken to that of reducing uncertainty; this leads to a theory that uses entropy to index uncertainty in a Bayesian framework. The relative paucity of data for the stations led us to pre-cluster them so the analysis could be carried out within station clusters of relatively small size. Our study uses monthly volume-weighted mean concentrations for each of nine selected ions investigated one at a time. A preliminary logarithmic transformation was used to make the data distributions for the various ions reasonably Gaussian in shape. Tentative conclusions about the NADP/NTN network are given.