基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。     

新汴河宿州段地下水—地表水交换量计算

地下水与地表水存在着一定的水力联系,其交换量计算结果的准确性直接影响流域内水资源量的计算结果.为此,运用氡-222示踪法探明新汴河宿州段不同河段地下水 地袁水的水量交互情况并对其交换量进行计算,利用水力学法对氡-222示踪法所得结果进行了验证.结果 表明,研究河段地下水地表水水量交换强度自上游断面至下游断面总体呈现先减...