面向控制单元的北运河水环境承载力预警研究

北运河流域水环境承载力严重超载,危及流域可持续健康发展.为了响应“水十条”关于建立水环境承载力监测预警的需求,基于径流模拟模型与河流一维水质模型的水资源量和水环境容量核算,构建了基于人工神经网络法的北运河流域水环境承载力预警模型,并面向水污染控制单元,开展北运河流域水环境承载力预警研究.结果表明：多变量的神经网络预警模型相较于单变量模型拟合程度更高;2018年北运河1/2以上控制单元的水环境承载力呈超载状态,其中心城区及下游地区的超载情况较为严重.最后,针对超载严重的地区,基于双向调控提出排警对策,为北运河流域水系统规划提供科学依据.     

水环境承载力中长期预警研究-以昆明市为例

基于系统动力学动态模拟仿真方法,构建水环境承载力预警方法体系,并以昆明市为研究对象,对其水环境承载力超载状态进行预警.研究结果显示：在目前发展情景（BAU）下,2015~2025年10a间,昆明市水环境承载力超载状态综合指数从1.78逐渐增大到2.22,水环境超载状态不断恶化;昆明市系统耦合协调度一直处于0.5~0.8之间,且社会总功效大于水环境总功效,社会经济子系统与水环境子系统互相拮抗;警度自中警转为巨警,信号灯由橙灯转化为红灯,昆明市未来面临着严峻的水环境承载力超载问题.     

基于贝叶斯网络的流域水环境承载力超载风险评价—以北运河流域为例

现有流域水环境承载力评估研究大多从确定性角度进行评价,从流域水环境承载力超载风险角度评价的较少.为弥补以上不足,本文从不确定性分析角度,耦合水环境和水资源两个水环境承载力分量超载风险及其对应的概率,构建了基于贝叶斯网络的流域水环境承载力超载风险评价模型,并依据超载风险的概率分布确定流域各控制单元的超载风险指数.最后以北运河流域为例,对其水环境承载力超载风险进行了评价,并依据评价结果进行超载风险分区.结果表明：中度超载风险区包含清河闸、榆林庄、大红门闸上、东堤头闸上4个控制单元,重度超载风险区包含南沙河入昌平、前侯尚村桥2个控制单元;基于“卸荷”和“强载”的双向调控理念,在产业结构、技术手段和环保意识等方面从全过程控制角度提出降低流域水环境承载力超载风险的调控措施.     

非点源特征区水环境承载力预警与调控研究——以承德市为例

水环境承载力预警是当前水环境管理的重要内容,现有水环境承载力预警大多停留在评价层面,预警技术方法体系尚处于探索阶段.以水环境承载状态指数为预警指标,以经济社会发展、水污染治理、水资源利用等14个指标作为调控指标,建立基于系统动力学（SD）的水环境承载力预警调控模型,并以非点源为主要污染源的承德市为例开展实证研究.结果表明：按照现状趋势发展,承德市未来水环境承载状态指数将呈现不断上升趋势,并于2023年开始超载.3种调控方案的结果显示,污染治理调控方案不能满足水环境系统支持承载力的要求,推荐经济社会发展调控与污染治理调控双约束方案,该方案下,2035年水环境承载状态指数为0.65,可承载的GDP为3866亿元,人口数量为368万人,需通过提高灌溉水有效利用系数、再生水回用率、污水处理率、以及调整种植结构和畜禽养殖规模等实现.本文为以非点源污染为特征地区的水环境承载力预警与调控研究提供思路与方法,并为承德市水环境与经济社会协调发展提供定量化方案.     

基于神经网络的喀斯特石漠化预警分析模型研究——以广西都安为例

阐述了人工神经网络的基本工作原理,分析BP算法在神经网络中的应用,并具体介绍了BP算法过程。在此基础上,以都安石漠化预警分析为例,提出了基于神经网络的石漠化预警模型的结构。人工神经网络模型实现了石漠化预警分析,确定石漠化危险性指数,并把分析的结果以专题图的形式来表现,从而验证石漠化预警分析模型的可靠性和可行性。     

基于时差相关分析和模糊神经网络的白洋淀流域水环境承载力评价预警

为实现水环境承载力评价和预警,运用耦合DPSR模型和时差分析方法构建了白洋淀流域水环境承载力监测预警指标体系,并结合神经网络与模糊数学构建了T-S模糊神经网络模型,根据控制图法确定了监测预警指标阈值,解决了水环境系统的随机性和模糊性问题,最终实现了白洋淀流域水环境承载力的有效评价和预警。结果表明:1)白洋淀流域水环境承载力在2012-2015年处于较弱承载状态,在2016,2017年处于中等承载状态,现状评价等级由Ⅳ级(橙色警灯)转变为Ⅲ级(黄色警灯);2)在现状发展趋势下,2018-2035年白洋淀流域水环境承载力整体呈先上升后下降趋势,自2026年以后流域水环境整体呈恶化状态,水环境承载力逐渐从中等承载(黄色警灯)向较弱承载(橙色警灯)和弱承载状态(红色警灯)转变;3)未来区域人口的增长和雄安新区的快速发展会给白洋淀流域水环境带来巨大压力,因此可加大区域水环境保护力度,实施基于空间单元的精细化环境管控方案,推动区域经济绿色转型,促进区域水环境质量全面改善和良性发展,以提高区域可持续发展水平。     

小流域水环境承载力评估预警分析

水环境承载力是衡量流域可持续发展的重要指标之一.文章以亮子河流域水环境现状为基础,建立了基于水资源-水环境-水生态的复合评价体系,并应用于小尺度优控单元的水环境承载力的评估、预警工作.结果表明,亮子河流域在2012年为临界超载-黄色警情,2013年水环境承载力转好,变为蓝色警情,2014～2018年均为超载-橙色重警,...     

宁夏水环境承载力的定性研究——以COD和氨氮为例

主要介绍水环境承载力的研究背景、水环境承载力的定义、研究现状,以宁夏的水资源状况、自然条件、经济技术水平、科技水平建立水质水环境承载力评价指标体系,确定评价准则.根据统计年鉴、年报、调查的水文资料,选取宁夏地区的五个城市作为宁夏水环境承载力评价单元,分析宁夏市级水环境承载力状况,给出了技术路线图,根据水质水环境承载能力的评价结果,可知宁夏各区(除固原市)及宁夏全区的水质水环境承载力处于"临界超载"状态,其中固原市严重超载.     

基于环境容量的水环境承载力评价与预测——以郑州市为例

在现有水环境承载力研究的基础上,辨析了狭义水环境承载力与广义水环境承载力的内涵,提出将环境容量作为评价水环境承载力的重要因素。从指标选取、指标标准值确定、指标权重确定、评价方法等方面构建了基于环境容量的水环境承载力综合评价体系,并采用该评价体系对郑州市现状水环境承载力进行评价。结合郑州市"十三五"相关规划,设制了水环境承载力优化发展情景和强化发展情景,预测了两种情景下郑州市水环境承载力改善情况,提出郑州市水环境承载力提升对策建议。     

因子分析-BP神经网络整合方法的沿海地区环境承载力预测

以沿海地区为研究对象,利用因子分析对环境承载力进行评价,综合众多指标的绝大部分信息,形成了环境承载力综合指数;并在此基础上,利用BP神经网络对环境承载力的发展趋势进行了有效预测.结果证明,2010年以后沿海地区环境承载力将呈下降趋势,环境对于经济和社会发展的制约作用初步显现.     

基于景气指数法的中国环境承载力预警

针对目前环境承载力预警相关研究不足的问题,采用景气指数法构建针对我国环境承载力的预警方法体系,并对我国2001年~2014年的环境承载力预警进行实证研究：在此基础上对我国31个省（直辖市/自治区）（不含港澳台地区）2004~2014年的环境承载力预警进行实证研究.结果表明：本研究建立的预警系统结果与真实社会经济发展趋势和环境承载情况吻合良好,预警效果显著,方法具有一定的可行性;预警结果显示：我国各地区环境承载力状态有所差异,全国整体环境承载力承载状态趋好,但未来依然要警惕可能面临环境承载力的超载情况,采取相应措施,减少经济发展对环境造成的压力,提高环境自身承载能力.     

应用BP网络研究气候变化对雅砻江和嘉陵江流域水资源环境的影响

气候变化对水资源的影响是一个重要的环境问题,应用人工神经网络方法建立了雅砻江和嘉陵江流域年均气温、年降水量与年径流之间的BP网络模型,利用建立的网络结构模拟了气温和降水变化对流域水资源环境的影响,结果表明气温增高和降水量减少将造成水资源量的大幅度减少,对生态环境构成威胁     

基于系统仿真的提升赣江流域水生态承载力的方案设计

保护和改善流域水生态环境已成为环保工作的重要内容和科学研究的重要课题.基于承载力理论和复合生态系统理论,构建了赣江流域水生态承载力系统的概念模型、主导结构模型和系统动力学模型.以2000—2030年为系统仿真区间,仿真结果表明,到2016年赣江流域水生态承载力达到上限,此时可承载人口规模为2566万人,可承载经济规模为11034亿元.赣江流域水生态承载力现状不容乐观,需采取一定的措施.以"节流"、"控污"、"治污"为问题导向,基于"供给管理需求管理"、"末端治理根源治理"、"观念调节行为调节"等公共政策设计的不同视角,初步提出了提升水生态承载力的27个政策干预点,通过政策干预点对系统作用的灵敏性检验,基于识别出的16个灵敏政策干预点,设计了提升赣江流域水生态承载力的综合发展方案.仿真结果表明,到2029年(推后13年)赣江流域水生态承载力达到上限,此时可承载人口规模为2702万人(提升了5.3001%),可承载经济规模为28547亿元(提升了158.7185%).降低人口增长和经济发展速度,提高技术进步和优化产业结构是提升赣江流域水生态承载力的重要途径.     

基于BP神经网络水质模型的城市安全距离研究——以芜湖和马鞍山为例

快速的城镇化使城市间距不断减小,上下游城市间水质的相互影响愈发显著.本研究提出基于水质的城市安全距离概念,建立基于BP神经网络水质模型的城市安全距离量化方法,并选择长江沿岸相邻的芜湖、马鞍山两市为案例,评估未来两市建成区扩张后城市间距的安全性,计算两市建成区的最小安全距离.结果显示,2020年芜湖与马鞍山4.6km的间距属于安全距离,能够保证下游城市马鞍山上游控制断面地表II类的水功能要求.但与2010年相比,控制断面水质变差,COD与氨氮浓度分别提高了29.2%与23.2%.为了保证控制断面的水功能要求,芜湖与马鞍山两市的最小安全距离为3.2km.     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

基于熵权TOPSIS模型的区域资源环境承载力评价实证研究

为深度了解区域资源环境承载力水平,准确把握承载力变化趋势,从经济子系统、资源子系统和环境子系统3个子系统中选取18个指标构建区域资源环境承载力评价体系,运用熵权TOPSIS模型对安徽省2000—2013年的承载力和3个子系统内部承载力水平进行评价,并采用灰色关联系数选择和识别影响承载力的关键因素.结果表明:2000—2005年安徽省资源环境承载力水平略微下降,但"十一五"以来,安徽省承载力水平稳步提升.经济子系统发展力水平呈稳步上升趋势,2013年达到0.99524,几乎达到最优承载力水平;资源承载子系统承载力水平波动起伏,但总体变化幅度小,基本呈"V"型曲线;环境承载子系统(除2009年外)承载力水平呈逐年上升趋势,在2013年达到最大值0.98106;其中,经济子系统发展力和环境承载子系统承载力变化趋势与整个资源环境承载力变化趋势基本一致.采用灰色关联系数计算发现,工业固体废物综合利用率等4个指标是影响安徽省资源环境承载力的关键因素.     

水资源安全的度量:水资源承载力的研究与挑战

水资源承载力是对水资源安全的一个基本度量,研究水资源承载力对于认识和建设水资源安全保障体系具有重要意义。基于水资源承载力的定义和水资源承载力系统关系,论文给出了水资源承载力的度量与计算方法,包括可利用水资源量、水资源需求量的计算,流域水资源承载力平衡指数、水资源承载力分量的测度等。西北干旱区是我国水资源极为短缺的地区,因此,论文就西北干旱区水资源承载力综合研究的一些关键问题,如变化环境下的流域水循环模拟研究、生态需水研究等进行了重点讨论,并认为水资源承载力的进一步研究应加强水文基础与水资源、社会经济学科的综合研究,促进RS、GIS等信息技术和现有模型方法的结合,并重视区域差异研究。     

基于结构方程的流域水环境承载力评价——以湟水流域小峡桥断面上游为例

针对流域水环境承载力评价中指标体系构建及权重确定缺乏客观依据的问题,以湟水流域小峡桥断面上游为例,通过兼顾压力与水环境承载力的控制断面水质影响路径分析,建立了面向水环境承载力评价的结构方程模型(Structural Equation Modeling, SEM);在此基础上,构建了湟水流域的水环境承载力综合评价体系,并获得各指标权重,进而利用向量模法对流域水环境承载状态进行了综合评价.结果表明:SEM模型能够定量反映土地利用/景观格局及污染物排放因素与水环境承载状态的相关关系;SEM模型的路径分析可为水环境承载力综合评价指标体系的建立提供科学依据;由SEM模型得到的路径影响相关系数,可为权重的确定提供新的科学方法;研究区16个控制子单元呈上、中、下游水环境承载状态逐渐变差的梯度特征;最后,针对湟水流域不同区域的社会、经济、环境和资源差异,从流域水环境承载力双向调控的角度,提出改善水环境承载状态的相关建议,进而为流域水系统持续协调发展提供精细化管理支撑.     

基于动态滑动窗口BP神经网络的水质时间序列预测

为提高BP神经网络（BPNN）模型对具有时间序列特征水质的预测精准度,采用主成分分析法对原始样本数据进行特征提取和降维,选取溶解性有机碳（DOC）浓度、总氮（TN）浓度和浊度作为水质预测指标,构建了具有3层网络结构的BPNN模型进行预测,并分析其预测性能。结果表明：DOC浓度、TN浓度和浊度的最佳训练集尺寸分别为60、60和90 d,最佳BPNN拓扑结构分别为9-12-1、8-6-1和7-13-1,经优化后的BPNN模型对DOC浓度、TN浓度和浊度的变化趋势整体预测效果较好;相比之下,BPNN模型对水中DOC浓度的预测效果显著优于TN浓度和浊度,其均方根误差（RMSE）、平均绝对百分比误差（MAPE）和相关系数（R）分别为0.040、0.66%和0.867。该模型对具有非线性特征的地表水水质预测具有较好的适用性,预测精度较高。