基于随机样本的BP模型在水质评价中的应用

运用BP(误差反向传播)模型对水环境质量进行综合评价,主要针对以前BP模型在水质评价中存在的学习训练样本过少,没有检验样本等问题,用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本,并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较,检验网络评价未知样本的能力,大大提高了神经网络评价水质时的精度。     

基于概率论和BP网络的水质评价与灰色动态预测模型

讨论了BP网络模型存在的不足。提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价与预测问题。通过在各类水质污染指标浓度区间内生成随机分布样本的方法。组成足够多用于BP网络训练、检验和泛化能力评定用的样本。建立了南京市秦淮外河水体水质评价的BP网络模型：给出了区分不同类别水质的模型分界值样本和模型输出分界值。用概率分布理论分析处于相邻类别水质过渡状态水体的水质属性。建立的水质评价模型应用于实例表明。南京市秦淮外河水体1991—1996年水质为V类向IV类转变。1992年水质最差，1996年水质最好。灰色动态预测模型计算表明。从1997到2001年。南京市秦淮外河水体水质逐年变好。     

基于分形维数权重的南水北调东线源头水质评价研究

水质评价问题的实质是对水质现状和各评价因素间的函数关系的逼近,是一种复杂的非线性问题.针对水质评价指标之间的非线性关系,提出了基于分形维数权重的水质评价方法.为有效地评估南水北调东线源头的水质现状,首先选取影响水质评价的7个主要因素,根据标准等级水体分类标准,采用在等级标准中随机内插的方法,得到50个标准等级样本,并根据样本综合评估值与经验等级之间的关系建立分形插值评价模型;最后,以长江江都市芒稻河断面2001—2008年的年平均水质监测数据为例对模型进行验证.结果表明,该方法可以通过分段函数得到每个样本的具体得分值,因而具有较高的分类精度,为水质评价提供了一种较好的新方法.     

水质综合评价的投影寻踪模型

为检验水质评价标准的合理性，解决各单项水质指标评价结果的不相容问题，提高水质评价模型的分辨率，提出了一种新的模型－投影寻踪模型，它的评价结果是实数值。实例的计算结果表明，该方案是有效的和通用的，可应用于各种环境质量综合评价中。     

适于水质评价的AdaBoost-NN模型研究

AdaBoost即自适应Boosting算法,它可以提高任意给定弱分类器的分类精度。文章将AdaBoost算法与神经网络结合,提出了AdaBoost-NN水质评价模型。实例样本水质评价结果表明:与传统的水质评价方法相比,AdaBoost-NN水质评价模型的准确度更高,结果更加客观、合理。     

基于多元统计和水质标识指数的辽阳太子河水质评价研究

以太子河辽阳段为例,通过因子分析从16个水质评价基础指标中筛选出8个作为水质评价重要指标.在利用方差分析(ANOVA)对各监测断面多年水质指标数据进行时间与空间尺度上显著差异性检验的基础上,通过层次聚类分析将2009—2012年3个断面的144个样本点分成11组.同时,以各组的样本均值为基础,采用水质标识指数方法得到各组的水质评价结果,并将其分解到各组对应的水质样本点,以实现对多断面、长时间大量样本的水质评价.实证结果表明:2009—2012年间太子河辽阳段干流的水质状况大部分处于Ⅲ级以上,从上游到下游,水质状况呈恶化趋势.研究表明,本文提出的基于多元统计分析和水质标识指数的水质评价方法可用于多断面、长时间大量样本的水质评价工作.     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

海水水质评价的人工神经网络模型研究

通过在各类海水水质污染指标浓度区间内生成随机分布样本的方法，生成足够多用于人工神经网络模型训练和检验用的样本，并应用基于误差反传原理的前向多层神经网络建立了用于海水水质评价的人工神经网络模型。并根据海水水质标准给出了区分不同类型水质的模型分界样本和模型输出分界值。讨论了确定合理隐层及其节点数的方法，使得训练后的神经网络模型具有更强的泛化能力，不受网络连接权值初始取值的影响。经训练的评价模型应用于实例的评价结果表明，新的评价模型具有较好的客观性、通用性和实用性。     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

基于概率神经网络的指标规范值的水质评价模型

为了建立地表水、地下水和富营养化3类水体共同适用的概率神经网络的水质评价模型,适当设定3类水体各项指标参照值及指标值的规范变换式,使3类水体不同指标的同级标准规范值差异尽可能小,从而各指标都可用同一个"等效"规范指标替代,因此,概率神经网络隐层各类模式的基函数中心矢量的各指标分量值可视作是相同的,即都等于同级标准所有72项指标规范值的均值。基于概率神经网络的指标规范值表示的水质评价模型用于3类水体评价实例检验,验证了该模型的普适性、简洁性和实用性。     

熵权多目标决策模型在水环境质量综合评价中的应用

介绍了熵和熵权的概念与性质,在此基础上结合多目标决策模型建立熵权多目标决策评价方法,并对水环境质量进行综合评价,评价结果与物元分析模型、属性识别理论方法、模糊隶属函数法进行对比,结果表明,利用熵权多目标决策评价法进行水环境质量综合评价是可行的。     

基于物元可拓法和偏好熵权的饮用水源水质评价——以天津市大港区为例

文章根据天津市饮用水受氟化物影响较大的现实情况,以物元可拓法为基本方法,利用偏好熵设置权重,一方面在无偏好情况下客观地确定各指标的权重进行水质评价,另一方面重点考虑了氟化物对水质的影响再进行评价,分析水质评价结果对氟化物的敏感程度。结果表明,在无偏好情况下,文章涉及的两个饮用水源地的水质较好,多为Ⅰ类水和Ⅱ类水;而在对氟化物偏好设置的情况下,2005～2006年初的水质评价结果偏差,说明此阶段水质评价结果对氟化物比较敏感,而后至2007年末则并未表现出此特征。     

Fuzzy modelling to identify key drivers of ecological water quality to support decision and policy making

Water quality modelling is an effective tool to investigate, describe and predict the ecological state of an aquatic ecosystem. Various environmental variables may simultaneously affect water quality. Appropriate selection of a limited number of key-variables facilitates cost-effective management of water resources. This paper aims to determine (and analyse the effect of) the major environmental variables predicting ecological water quality through the application of fuzzy models. In this study, a fuzzy logic methodology, previously applied to predict species distributions, was extended to model environmental effects on a whole community. In a second step, the developed models were applied in a more general water management context to support decision and policy making. A hill-climbing optimisation algorithm was applied to relate ecological water quality and environmental variables to the community indicator. The optimal model was selected based on the predictive performance (Cohen’s Kappa), ecological relevance and model’s interpretability. Moreover, a sensitivity analysis was performed as an extra element to analyse and evaluate the optimal model. The optimal model included the variables land use, chlorophyll and flow velocity. The variable selection method and sensitivity analysis indicated that land use influences ecological water quality the most and that it affects the effect of other variables on water quality to a high extent. The model outcome can support spatial planning related to land use in river basins and policy making related to flows and water quality standards. Fuzzy models are transparent to a wide range of users and therefore may stimulate communication between modellers, river managers, policy makers and stakeholders.     

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

SPARROW模型在水环境管理中的应用及发展趋势

模型是研究水环境变化、进行水环境管理的重要工具.SPARROW（spatially referenced regressions on watershed attributes）是一个基于质量平衡方法将监测数据与流域特征和污染物来源信息相关联的非线性流域回归模型,具有数据需求量少、结构透明、普适性强等优点.为深刻理解SPARROW模型在水环境管理中的应用现状及未来发展趋势,笔者对SPARROW模型的原理以及其在营养物背景浓度模拟、水质评价、水质目标管理、气候变化对水环境影响等方面应用的国内外研究现状进行了系统梳理.结果表明:①通过选择合适的参考点,SPARROW模型可以有效模拟流域背景营养物通量和浓度,为流域水质标准的制定提供参照依据.②SPARROW模型可将营养物监测获得的数据信息外推至未监测区域,在水质监测数据数量有限的情况下进行水质评价.③SPARROW模型可模拟不同土地使用条件、资源管理等情境下河流营养物负荷,为水质的管理与决策提供支撑.④气候变化情景下,基于SPARROW模型进行气候变化对水环境影响的研究可以支撑水环境管理方案的制定,以应对未来气候变化导致的营养物输出增加.针对SPARROW模型目前在应用中存在的问题进行了分析与讨论,建议未来在应用SPARROW模型时,加强以下几个方面的研究:①进一步开发高锰酸盐指数、化学需氧量（COD）、氨氮等相关模块;②将SPARROW模型与机器学习模型相结合,提高量化模型参数的能力,使模型更好地应用于不同尺度、不同流域的水质相关研究.      

生物毒性检测在水质安全评价中的应用

水质安全不仅关乎生态系统的健康,更关乎人类的生存与发展.借助水质标准浓度限值的传统方法评价水质安全存在一定不足,生物毒性测试能直观反映水体中所有共存污染物的综合毒性特征,已逐渐发展成为水质安全评价的重要补充.在大量文献资料调研、整理的基础上,首先从污染物的生物效应出发,总结了常用的致死毒性、遗传毒性、内分泌干扰性等效应的生物毒性测试方法;其次,讨论了水质毒性评价中常用的生物毒性测试方法和相应的毒性评价指标;最后,归纳总结了基于生物毒性测试的水质安全评价方法,包括潜在毒性法、毒性单位分级评价法、潜在生态毒性效应指数法、基于成组生物毒性测试的水质安全评价等,并讨论了各种方法的优缺点.本文既系统梳理了毒性测试在水质安全评价领域的研究进展,也为该领域后续的发展奠定了基础.     

发光细菌法监测河流水质状况

运用发光细菌法对淮阴市河流水样的毒性进行监测，并以毒性较为稳定的HgCl2作参比毒物，使此法所测得的毒性 定量化。据水质毒性分级标准，对水样毒性测定结果进行评价，同时参照水质的理化因子，可以看出，该方法测出的水质毒性能够更好地反映出水质的污染状况。     

神经网络模型用于数值水质模型逼近的适用性及非敏感参数的欺骗效应

水质模型被广泛应用于水环境管理和决策,但却面临着计算时间和模型应用效率等多方面的问题;利用函数映射和逼近等方法来建立水质模型的输入-输出响应关系,可有效减少计算成本并显著改善模型效率.水质模型的输入-输出响应函数关系有多种形式,本文以其中的2种为例,并分别基于2个水质模型(零维总磷模型、WASP/EUTRO5)的案例,分析和验证了神经网络模型在响应关系逼近中的适用性.案例的结果表明:神经网络函数可以有效地用于水质模型输入-输出响应关系的逼近;当网络规模超出阈值大小时,神经网络函数逼近的准确度和泛化度对网络规模不敏感.在案例研究的基础上,推导和讨论了在神经网络模型函数映射过程中所可能出现的非敏感参数的欺骗效应,以及可能由此导致的过度预测或过低预测问题;并建议在神经网络函数逼近中,应只包含水质模型的敏感参数,以防止降低神经网络模型的准确度.