水体富营养化的成因及污染沉积物的防控措施研究

我国湖（库）水体的环境现状令人担忧，富营养化的进程大大加快。对我国131个主要湖泊和39个大中型水库按《湖泊富营养化调查规范》进行评价，结果表明：湖库的富营养化状况十分严重，131个主要湖泊中，已达富营养程度的湖泊有67个，占调查湖泊总数的51．3％；已达富营养程度的水库有12座，占调查水库总数的30％。     

湖泊富营养化评价方法的探讨

针对常用的湖泊富营养化评价方法的不足，结合现有的评价模型，提出了一种改进的混合评价方法——遗传优选模糊模式识别评价方法，并选取了10个湖库的chl-a、TP、TN、COD、SD作为评价指标进行水体的富营养化程度评价，结果表明，与原有的评价模型相比，新的评价方法得到的评价结果误差较小，能够对水环境污染作出科学的符合实际的评价。     

物元分析法在湖泊富营养化程度评价中的应用

基于物元分析理论,建立了湖泊水质富营养化程度评价模型。以我国5个主要湖泊为例,对其富营养化状况进行了评价,并与其他评价方法比较。     

基于BP神经网络的太湖富营养化时空变化预测

建立拓扑结构为5-9-1的3层BP神经网络模型,预测太湖的富营养化水平,为水环境监测平台提供决策支持。该模型采用动量梯度下降法对太湖的湖体的富营养化水平进行预测并评价。验证结果表明,训练后的网络得出的预测结果与实际值很接近。因此,采用BP(Back Propagation)神经网络对太湖湖体富营养化水平进行预测并评价是一种有效的方法。     

相关加权综合营养状态指数法在三峡水库富营养化评价中的应用

针对三峡水库河道型水库的特点,初步建立了Chl－a与各营养物的回归关系模型,运用相关加权综合营养状态指数法对水库进行评价,并与湖库富营养化评价方法的评价结果相比较,其结果均为贫营养。但同湖库富营养化评价方法相比,基于河道型水库综合营养状态指数法的评价结果偏低。当水体稳定后,用相关加权综合营养状态指数法对多种因子进行综合评价,能够比较真实地反映水体营养状况。     

营养度指数法在寒地湖泊富营养化评价中的应用

针对北方寒地湖泊富营养化评价问题,采用营养度指数法,对北方寒地湖泊富营养化程度定量化进行了深入的研究.阐述了参数因子选择、因子权重确定、参数物理量标准归一化等三方面问题所涉及到的数学方法,并选择了二龙山水库具有代表性的监测数据对寒地湖泊水体富营养化程度进行了评价,评价结果更接近于客观实际环境,体现了营养度指数法在寒地湖泊富营养化评价中的可应用性.     

湖库水体富营养化评价级别特征值与识别模型

基于模糊集合论的相对隶属度的概念与定义,提出湖泊与水库水体富营养化评价的模糊识别与级别特征联合模型．两种模型的联合使用,为湖泊与水库水体富营养化评价提供了理论严谨、应用简便的综合评价模型与方法．最后,列举了一个评价实例．     

湖泊富营养化程度的灰色判别

本文以灰色系统理论为基础,提出了共原点灰色聚类分析方法,并将其应用于湖泊富营养化程度的判别过程中。通过对全国16个湖泊富营养化程度的评价,并与其它方法进行比较分析,其结果表示该方法用于湖泊富营养化程度的判别过程是可行的。     

人工神经网络在环境质量评价中的应用

为探索人工神经网络在环境质量评价中应用的合理性和可靠性，建立了一个三层前向式神经网络，并以改进的Ｂ－Ｐ算法对网络进行了训练．在湖泊富营养化程度评价的应用成果表明，人工神经网络用于环境质量评价简便实用，具有客观性和通用性，有广泛的应用前景     

巢湖水体富营养化主要驱动因子的模糊数学评价

目的客观评价巢湖的氮、磷污染水平,正确反映该湖的富营养化程度,为该湖的水体污染控制及水质改善工程及同类湖泊的水质评价提供参考.方法应用模糊数学方法分别对巢湖12个监测点的总氮质量浓度(TN)、总磷质量浓度(TP)进行评价,同时提出富营养化驱动指数概念来综合反映各监测点附近水体的富营养化程度.结果按最大隶属度原则,大多数监测点的TP属于Ⅲ类污染级别;除新河入湖区外,其他监测点的TN均属于V类污染级别;12个监测点的富营养化驱动指数均大于零.结论巢湖的氮、磷污染均已经达到较高程度,氮污染问题尤其突出,今后迫切需要加强氮污染源的控制.各个监测点附近水体均处于不同程度的富营养化状态;并给出了需要进行重点污染控制的6个监测点.     

BP神经网络优化模型在水体富营养化预测的国内进展

在湖泊富营养化已成为世界性的水污染治理难题的今天,富营养化预测模型应用广泛,已取得较大发展。文章介绍了运用BP人工神经网络预测水体富营养化的计算过程,综合论述了学者们在预测水体富营养化时水体中BP人工神经网络模型联合各种算法的优化情况,由此可以看出,足够多的样本是BP神经网络进行学习训练的关键;各种联合模型比普通BP人工神经网络模型更加准确、有效;多种联合模型并未运用于水体营养化评价方面;联合模型优化的BP人工神经网络必将具有巨大的价值和发展前景。     

基于多元回归和神经网络途径的太湖富营养化指标分析与预测

水体富营养化是目前太湖面临的一个重大环境问题,有效地预测湖泊的水质变化对防治富营养化至关重要. 现有的预测方案很多依赖于一些常见的与目标变量相关的因素,针对太湖这一具体对象,难以全面准确地分析相关因素之间的联系以及预见目标变量的变化趋势. 本文首先寻找出太湖富营养化的所有可能的影响因素,提供较为全面的备选变量以期更好地查找出目标变量的相关因素. 选择总氮这一富营养化重要评价指标作为分析和预测的对象,根据各影响因子与总氮之间的相关系数筛选出影响程度较高的因素. 分别运用多元线性回归分析方法和BP神经网路预测方法对总氮的变化进行预测研究,并将两种方法的预测性能进行比较. 结果表明,从较为全面的变量中选出的影响因子可较好地预测总氮的变化情况,多元线性回归和BP神经网络方法的实验结果都较好,从拟合优度和均方误差的角度看,BP神经网络的预测效果更好.     

内源性营养盐调控湖泊藻类生长机制研究

在外源污染得到控制后,最能影响富营养化水体中藻类生长的是内源性营养盐。研究不同富营养化湖泊中内源性营养盐的不同比例对藻类生长机制的影响,能为解决湖泊内源性污染提供理论依据。通过室内模拟的方法,根据藻类的经验分子式,确定以磷为限制因子时的N∶P=7.2∶0.4和以氮为限制因子时的N∶P=4.6∶1来调控上覆水中的营养盐比例,进行试验。实验结果显示：温度对富营养化湖泊中藻类生长影响程度很大;内源性营养盐对富营养化湖泊的影响程度依次是：重度富营养化湖泊〉中度富营养化湖泊〉中营养化湖泊,磷作为限制因子比氮更能有效抑制湖泊藻类生长。     

汶川地震堰塞湖地区水安全综合评价(灾后重建专刊)

目前水安全问题已经成为国家战略安全问题,突发性地震形成的堰塞湖所在区域的水安全隐患是地震堰塞湖造成的重大危害.提出构建汶川地震堰寒湖地区水安全综合评价体系,并用改进的投影寻踪动态聚类模型进行评价,弥补了传统投影寻踪聚类模型参数设置和聚类结果不明确的缺陷,并对"5·12"汶川地震形成的21处较大型堰塞湖所在地区水安全进行了评价,得到的结果为北川县水安全水平最低,平武县水安全水平最高.评价结果与现实情况相符,并且分类结果明确,操作简单,评价模型适用于推广到所有地震堰塞湖所在区域的水安全评价.     

基于神经网络的制造企业需求订单评价方法

对制造企业而言，订单评估是企业需求管理的一项任务，是制定生产计划的前提。订单优选是一个多属性的综合决策问题。运用神经网络的方法来建立模型，并应用Matlab软件辅助设计和优化网络，在BP神经网络的学习算法中，不断调整权值，不仅使工作量减小，而且得到更为快速和精确的结果，使企业做决策更加科学合理。应用实例显示了该方法的有效性与实用性。     

基于BP神经网络的湖泊旅游资源综合评价--以杭州西湖为例

本文在分析BP神经网络概念和原理的基础上,从阈值角度出发,生成适用于BP人工神经网络模型的训练样本,并建立了自然环境指标、社会支持系统指标、社会经济文化指标三个指标体系,用于构建湖泊旅游资源综合评价的BP神经网络模型。运用此模型将杭州西湖与喀纳斯湖旅游资源综合评价结果进行对比分析,验证模型的合理性,从而说明该模型对湖泊旅游资源的综合评价具有较好的客观性、通用性和实用性。     

径向基函数网络在平原河网水质评价中的应用

利用MatLab神经网络工具箱构建了径向基函数神经网络(RBF-ANN)模型,并用于平原河网和水库的水质评价.该模型以国家地表水环境质量标准(GB 3838-2002)为依据,随机生成网络的训练样本集,对网络进行学习,并将训练好的网络模型应用于温黄平原河网和境内水库的水质评价.结果表明,基于径向基函数网络的水质评价模型是合理、简便和快速的.     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...