一、利用模糊神经网络对湖泊富营养化程度进行评价的研究(论文文献综述)
赵梦[1](2020)在《百花湖水质评价及其时空变化研究》文中提出水资源是生物赖以生存的基础,同时也是构成生态系统和生命体的元素之一。但随着地球人口数量不断激增和经济的高速运转,人类对地表环境的影响程度逐渐加深,水资源浪费、过度消耗和污染等问题使得水环境质量逐年下降,特别是大量的未经过处理的工农业废水和生活污水直接排入江、湖、河、海所造成的污染更为凸显。湖泊作为水文系统的组成部分之一,与人类活动和社会经济发展具有不可替代的作用,尤其是城镇区域的湖泊与人类关系更为密切,为满足人类生产生活需要,湖泊已经受到不同程度的污染,为此,国内外众多学者对湖泊水质评价进行了探索,旨在为湖泊污染治理问题提出有效的综合防治措施,此举对湖泊水质的防治、水环境污染治理工作的管理具有重要的现实意义。本文以贵阳市百花湖水库为研究对象,统计了百花湖水体20122017年间各月的理化参数,以NH+4-N、TN、TP、pH、DO、T、COD、CODMn、SD及Chl.a为主要参评参数,运用单因子评价法、灰色关联分析法、模糊综合评价法、内梅罗指数法、综合营养状态指数评价法对百花湖水质进行评价并分析百花湖水质时空变化规律、湖泊主要污染物等。本文研究结果如下:1.单因子分析法计算出的百花湖水质整体为轻污染-较清洁程度,主要污染物为TN、TP和COD。内梅罗指数法得出,该湖泊整体为Ⅲ、Ⅳ类水质,5号采样点出现Ⅴ类水质,湖泊主要污染指标为TN、TP和NH+4-N,单因子与内梅罗方法评价出的百花湖水质较差,但从历年水质整体变化趋势可知,百花湖水质呈逐年转好的态势,水质结果比较符合百花湖实际水质;模糊综合评价法、灰色关联分析法计算结果表明,百花湖整体为I、V类水质,主要污染参数为TN、TP、DO及COD,IV类、V类隶属值都较大,整体而言,湖泊主要污染参数均呈逐年下降的趋势,水质逐年变好,而空间水质整体呈大坝-花桥逐渐变差的趋势。4类评价方法中,单因子与内梅罗评价法较适合百花湖水质评价。2.综合营养状态指数法得出,百花湖20122016年TSI(∑)值变化稳定且均值为32.91,属中营养状态,TSI(∑)值大致呈逐年下降的趋势。湖泊上游采样点TSI(∑)均值高于其余采样点,与百花湖上游水体携有的营养物质富集所致有关,总体变化为坝前-库尾逐渐升高的趋势。氮磷比在24.750113.010 mg?L-1之间,为高氮、磷控制的水库。此外,研究发现百花湖各类土地利用类型中,建设用地和耕地对TN、TP、NH3-N有“源”的作用,而林地对TP、TN有“汇”的作用。3.百花湖水质防治建议:(1)百花湖氮磷较高,可种植吸收氮磷元素的浮叶、浮水植物,该两类水生植物对湖泊水深没有要求。底泥疏浚、封闭底泥、引清冲污、湖泊曝气等措施进行整治;(2)建设用地和耕地对百花湖TN、TP、NH3-N有“源”的作用,治理污染物应从湖泊干支流及红枫湖下泄水的定期监测入手,湖区周围废弃物要集中处理,工农业产生的“三废”要处理后达标排放并向绿色生态型产业发展。
宋景辉[2](2020)在《九里湖国家湿地公园浮游植物功能群特征及富营养化评价》文中研究说明九里湖国家湿地公园是徐州市首个国家级采煤塌陷湿地公园,其水质状况直接影响生态环境质量。浮游植物是湿地公园的重要组成部分,在物质循环和能量流动中起着重要作用。论文以九里湖国家湿地公园为研究对象,设置8个采样点,对九里湖浮游植物进行种属鉴别、群落演替规律研究、功能群划分及富营养化评价。论文取得如下成果:(1)九里湖国家湿地公园中共检测出浮游植物7门,106种(属),其中绿藻门43种,硅藻门21种,裸藻门22种,蓝藻门18种,甲藻门2种。(2)九里湖浮游植物主要为绿藻、硅藻、裸藻、蓝藻,平均密度为5828135-26689915.05 ind./L。九里湖浮游植物群落优势种为:蓝藻门极大节旋藻(Arthrospira maxima)、伪鱼腥藻(Pseudoanabaena sp.)、点形平裂藻(Eerismopedia punctata)、绿藻整齐四角藻(Tetraedron regulare)、绿藻门弓形藻(Schroederia sp.)、尖细栅藻(Scenedesmus acuminatus)、被甲栅藻博格变种双尾变型(Scenedesmus armatus var.boglariensis f.bicaudatus)、裸藻门囊裸藻(Trachelomonas)、尖尾裸藻(Euglena oxyuris)、绿藻门狭形纤维藻(Ankistrodesmus angustus)。(3)九里湖浮游植物Shannon-Wiener指数变化范围为1.08-5.53,ShannonWiener多样性指数最高为秋季4#点,最低为春季6#点。九里湖浮游植物玛格列夫丰富度指数在1.5-2.9之间,其最高值出现在秋季3#点,最低值出现在春季的1#点。(4)九里湖国家湿地公园功能群共划分为15个,主要功能群为D、MP、Y、X1、X2、W2、C、Lo、S1、H1、J、P、S2、W1、B。其中在四季中均出现的功能群为X1、X2、W2、D。只有冬季出现的功能群为B。(5)九里湖浮游植物功能群演替与水体理化因子PCA主成分分析结果,不同季节九里湖浮游植物功能群与理化因子之间的响应关系不同。(6)采用GA-BP神经网络法、模糊综合评价法及营养盐综合指数法对九里湖富营养状态进行综合评价,九里湖水体整体富营养化程度较高,各监测站点普遍处于中富营养到富营养状态。
高峰[3](2017)在《浅水湖泊水动力特性与富营养化机理及调控措施研究 ——以伍姓湖为例》文中提出湖泊是人类活动频繁之地,在人类和自然活动的双重胁迫下,湖泊出现了一系列环境生态问题,其中富营养化问题尤为突出,因此湖泊富营养化研究是当前湖泊研究中最为紧迫和重要的内容。采用水环境数学模型是湖泊富营养化研究的重要手段之一。本文以山西省永济市的伍姓湖为研究对象,但关于该湖的环境生态资料十分缺乏,加上水质污染严重,多次出现水华现象,生态系统极为脆弱,对伍姓湖的水生态管理造成了极大的难度。因此从2015年5月开始对伍姓湖进行全面系统的野外实地考察与采样工作,分析伍姓湖现存的水环境问题,对伍姓湖的水动力特性及富营养化的形成机理、调控措施进行研究,并对资料缺乏地区的水华进行预警研究。主要研究内容有:在实测水文和水质资料基础上,对2015年5月~2016年4月伍姓湖水环境的时空变化规律进行了分析;针对涑水河水质监测指标繁多、伍姓湖水质监测指标较少及各指标远高于V类水的特点分别采用改进的LVQ神经网络、模糊神经网络对涑水河、伍姓湖的水质进行研究,并应用综合营养指数法对伍姓湖的富营养化状态进行分析。为科学诊断出伍姓湖现存的水环境问题奠定基础。建立非结构网格下伍姓湖二维浅水水动力模型,采用实测水位资料率定参数和验证模型,计算值与实测值吻合较好(R2>0.9),表明该模型能较好模拟伍姓湖的水动力过程;应用该模型对黄河补水前后、最大降雨前后等典型时刻的水动力特性进行了研究,分析伍姓湖风生环流的形成过程;最后综合考虑风速、风向、湖岸边界、入湖径流、引水方式等因素研究了伍姓湖流场的变化规律,弥补了以往在湖库水动力研究中未考虑湖岸边界和引水方式影响的片面性。从外界条件、营养物质来源、营养物质与富营养化的关系等方面分析伍姓湖富营养化的形成原因,对伍姓湖富营养化的影响因素进行关连度分析,确定不同影响因素对伍姓湖富营养化的影响程度;针对资料缺乏问题,利用数据增补理论弥补伍姓湖数据量少的问题,建立粒子群算法优化BP神经网络模型,对伍姓湖水华发生风险进行预警研究,提高伍姓湖管理部门的决策能力,降低水华带来的生态危害和健康风险。针对伍姓湖的特点和污染特征,建立了适合伍姓湖的富营养化模型,采用实际监测资料进行参数率定和模型验证,发现计算值与实测值吻合良好,验证了该模型适用于伍姓湖的富营养化研究;结合伍姓湖实际状况,分别从近期和远期给出切实可行的调控方案,应用构建的伍姓湖富营养化模型,定量研究了近期、远期(生态调水和面源污染连合调控)调控措施下伍姓湖水环境改善效果,为伍姓湖的水生态管理提供技术支持和理论依据。
庞珺[4](2014)在《基于生态文明的干旱区湖泊湿地景观环境综合评价及改善对策研究》文中提出湿地是地球上水陆相互作用形成的一种重要的、独特的、多功能的生态系统,是人类最重要的生存环境和自然界生产力最高、生物多样性最丰富的生态景观之一。被誉为“地球之肾”、“生命摇篮”、“鸟类乐园”、“文明发源地”和“物种基因库”。然而,近几百年来,湿地遭到了严重破坏。特别是20世纪中后期,伴随着城市化进程的不断加快、经济发展的突飞猛进和人类数量的急剧增长,大量的湿地被改造成农田或作他用,更多的自然资源被过度开发,越来越多的污废水和废弃物肆意排放,致使湿地物种不断减少,生态系统严重失衡,生态景观环境趋于恶化,湿地功能快速退化和丧失。这种局面若得不到有效地控制和改善,将严重制约社会、经济和生态环境的协调发展与可持续发展。可见,目前对湿地景观环境系统进行科学评价及改善对策研究将是何等的紧迫和重要!因此,本文主要从我国生态文明建设的战略需求和实现经济社会可持续发展的宏伟目标出发,以干旱区湖泊湿地为研究对象,以乌梁素海湿地为例,对干旱区湖泊湿地景观环境相关问题、乌梁素海湿地景观环境现状科学评价和改善对策等进行了系统深入的分析与研究。其主要研究内容及成果如下。(1)在大量调查研究和系统总结分析国内外相关研究成果的基础上,对湿地的起源和发展,湿地及湿地系统、景观及景观环境、湿地景观及湿地景观环境的基本概念与界定,湿地系统的组成与类型划分,干旱区湿地景观环境的特征,生态文明提出的背景、生态文明的内涵和要求以及生态文明建设的必要性与重要意义,生态文明与湿地景观环境的关系等相关理论问题进行了尝试性的创新探讨,有了新的认识,提出了新的见解,丰富了相关理论。(2)针对湿地所面临的诸多问题,系统分析论述了建立干旱区湖泊湿地景观环境综合评价体系的必要性和可行性,认为建立一套科学、合理、可操作的干旱区湖泊湿地景观环境评价体系,是做好修复和保护湿地景观环境工作的基本前提,.十分必要,完全可行。结合国内外研究成果,探讨了湿地系统评价类型和评价尺度,认为湿地景观环境系统的综合评价是一个融合了社会、经济、自然的复杂系统,需要多尺度、多视角、综合性的观点和方法予以评价,才能克服单一尺度和单一因素评价模式所出现的弊端,进而提出了干旱区湖泊湿地景观环境多尺度、系统性和综合性的评价模式。在总结分析国内外相关研究成果的基础上,研究提出了干旱区湖泊湿地景观环境评价指标体系建立的八项原则和指标筛选应注意的问题,探讨了湿地景观环境系统的主要影响因素,建立了科学可行的干旱区湖泊湿地景观环境质量综合评价指标体系。根据我国生态文明建设的要求,结合乌梁素海湿地的实际情况,大量参考了有关的国内外研究成果、国家和地方标准、政策法律法规文件及规划设计资料等,通过认真研究、综合分析和精心筛选,制定了较为合理、切实可行的干旱区湖泊湿地景观环境质量综合评价指标等级划分标准。通过系统分析,研究确定了更加灵活、更加智能化的干旱区湖泊湿地景观环境质量模糊神经网络综合评价方法,并构建了相应的评价模型。评价模式、指标体系、指标等级划分标准、智能化评价方法及模型等是合理评价干旱区湖泊湿地景观环境质量的关键和基本前提。(3)在对研究区乌梁素海湿地及其流域的自然地理、社会经济等基本情况总结分析的基础上,摸清了研究区自然地理特征和社会经济发展状况。通过对乌梁素海湿地发育、形成与演变过程的研究和分析,揭示了乌梁素海湿地发育、形成与演变的机理、规律及发展趋势。通过系统分析乌梁素海湿地景观环境现状,总结得出了目前湿地所存在的主要问题,并对有关问题进行了诊断分析,结果显示:由于缺乏科学合理的治理和保护措施,目前乌梁素海湿地湖体萎缩,水质变差,生态失衡,环境恶化等问题突出,亟需予以解决。通过对乌梁素海湿地景观环境发展变化驱动因子的探讨和研究,找出了影响乌梁素海湿地景观环境发展变化的主要驱动力,认为影响乌梁素海湿地形成演变及景观环境发展变化的驱动力主要有自然和人类活动两大因子。自然因子主要包括地质构造力和黄河的改道,风沙侵袭和黄河水系对湖区的淹没及不平衡冲淤,气候变化对湖泊空间形态、物理性状、生态系统和环境状况等的影响;人类活动在现阶段是湿地景观环境演变的极为重要的驱动力之一(4)利用采集确定的基础数据信息,依据制定的评价体系和标准,采用模糊神经网络综合评价模型,对乌梁素海湿地景观环境现状质量进行了综合评价以及单因素分析评价,并对评价结果进行了系统分析,结果显示:目前乌梁素海湿地景观环境现状处于一般水平,且有偏差的趋势。总体来看,乌梁素海湿地除对黄河及其流域洪水的调控能力、湖泊湿地珍惜濒危物种鸟类的保护、区域民俗民风的继承与保留、湿地的文化教育科研价值、湿地的旅游观光价值和区域的人口密度等指标较好外,其它绝大部分衡量指标均较差。这与乌梁素海湿地景观环境实际现状相符,说明评级体系、标准、方法及模型合理可行。总之,目前乌梁素海湿地主要面临生态需水来源不足、水体污染加剧、湖区面积萎缩、生态功能严重退化,污染物长期累积、内源污染严重、沼泽化趋势明显加快,流域生态环境治理整体水平不高、污染治理跟不上社会经济发展速度等问题。这些问题如不及时妥善解决关系到乌梁素海湿地保护区能否存在和发展。(5)根据研究区乌梁素海湿地景观环境退化的现状,通过综合分析,研究提出了乌梁素海湿地景观环境改善的措施和对策,其措施和对策,切实可行,便于操作,可成为干旱区湖泊湿地景观环境修复、保护和管理的科学决策依据。同时,本文的研究成果也可为其他湿地进行相关研究予以借鉴。
盛夏[5](2013)在《汾河水库水质富营养化评价与预测研究》文中研究指明汾河水库位于娄烦县境内,作为山西省最大一座大型水库,现有库容量3.5亿立方米,是太原市地表水饮水源地之一,并供太原市一部分工农业用水。汾河水库水质,特别是富营养化问题,直接影响人民生活及工农业生产。本文以汾河水库水质富营养化产生的机理为理论基础,对2006-2012年汾河水库(包括汾河进水区、涧河进水区、库中心区以及水库出水区四个断面)的水质富营养化情况(Chla、TN、TP、 COD)进行了动态分析,运用改进型灰色GM(1,1)模型对汾河水库2013-2017年的水质富营养化指标进行了预测,在此基础上,采用T-S模糊神经网络模型对汾河水库2006年至2017年4个监测断面的富营养程度进行评价,确定水库富营养化等级。另外,为了探讨水库污染的来源及防治措施,本文对水库周边以及上游污染源进行了资料收集和调查,对水库水质污染的来源进行了点源污染和面源污染的分析,并提出了汾河水库富营养化的防治对策。本研究为改善汾河水库水质、预防和治理汾河水库水体富营养化提供了理论依据。本文的主要结论有:1、对汾河水库水质富营养化动态分析的结果表明,汾河进水区、涧河进水区监测断面中,叶绿素a(chl-a)的含量随着时间的变化波动比较大,其余三项水质指标变化比较平稳。在库中心断面,TP含量在2008年、2012年变化较大,到达了最小值0.015mg/L左右,其余年份比较平稳。TN在2009年达到0.85mg/L左右,其余年份比较平稳。叶绿素(chl-a)含量在2009、2010年、2012年中数值比较大,最大值出现在2012年达到6.95mg/m3其余年份处于较低水平,大致在2mg/m3左右。CODmn含量一直比较稳定。水库水区监测断面中,叶绿素(chl-a)含量在前五年里一直处于比较低的水平,2012年突然数值变大达到18.6mg/L,而其它三项指标一直处于比较平稳状态。2、使用改进型GM(1,1)模型对汾河水库4个监测断面的4个指标值进行后五年的预测,并给出了残值检验法对预测值的准确度进行检验。从前五年预测值与实际值之间的误差可以看出,改进型GM(1,1)模型误差相对较小,适合汾河水库水质富营养化指标值的预测。3、使用BP神经网络和T-S神经网络对汾河水库水质富营养化进行了评价,并对这两个神经网络的准确性和精确性进行比较,得出T-S模糊神经网络优于BP神经网络,因此选取T-S模糊神经网络作为汾河水库水质富营养化评价模型。4、对训练完成的T-S模糊神经网络汾河水库4个监测断面2006-2017年的水质富营养化评价的结果表明,库中心地区监测断面的富营养化水质等级普遍优于汾河进水区、涧河进水区、以及水库出水区等其它3个监测断面的水质等级。汾河进水区、涧河进水区、库中心地区的水质普遍低于Ⅲ级富营养化水质等级不易发生富营养化,而水库出水区附近的水域水质普遍处于Ⅳ级富营养化水质等级属于容易发生富营养化的水质级别。并且,从历年各个监测断面水质情况可以看出,5月份各个断面的富营养化水质等级普遍优于9月份的各断面富营养化水质等级。5、对水库水质污染的来源分析表明,工业污染源分布于汾河水库入库河流上游;主要工业有铁厂、选矿厂、洗煤以及焦化厂等。农业面源污染主要分布于汾河水库周边;由于水库周边畜禽业没有得到合理控制,致使农药使用过度,农业生产污染物通过地表径流以及地下水流入水库。这终导致汾河水库水质TP、TN等指标超过正常范围。6、根据对汾河水库水质富营养化的趋势分析、污染评价和污染来源分析,本文提出了水库水质富营养化的防治对策。包括对控制汾河上游、涧河上游以及水库周边的点源和非点源对汾河水库水质的污染及应该采取的措施对策。
肖永辉,王志刚,刘曙照[6](2011)在《水体富营养化及蓝藻水华预警模型研究进展》文中研究表明目前,水体富营养化及蓝藻水华污染已成为最为突出的世界性水环境问题之一,做好水华的预测预警工作显得尤为重要。预警模型是水体富营养化及蓝藻水华预警工作的前提与基础。文章讨论了主要预警参数因子的选择,包括物理因子、化学因子和生物因子;介绍了常用的水体富营养化及蓝藻水华预警模型的研究进展,总结了各个常用模型的概念、优缺点、建模思路以及应用现状。神经网络模型已成为国内外预警模型应用的热点,其中遗传算法模型、支持向量机模型、决策树方法受到了广泛的重视,另外,一些其它的模型得到了一定程度的应用,如模糊系统预测模型、灰色系统预测模型。综合运用各种预警监测技术,获取实时监测数据,提高预警模型的准确性是今后水华预警研究的重点方向。
虞英杰[7](2011)在《基于PSO算法的BP神经网络模型对水体富营养化预测的研究》文中研究指明江河、湖泊、水库的富营养化预测已经成为国内外学者的研究热点,由于水体生态环境复杂多变,环境影响因子众多,传统的经验预测模型已经不适用高度非线性化的水质预测。本文提出了一种基于微粒群(PSO)算法的BP神经网络(Back Propagation Network)模型,探讨其在明湖非线性水体富营养化预测中的应用,为今后预测模型的完善和发展提供科学依据。在BP神经网络对富营养化预测研究中,选择最能代表明湖水质状况的5号采样点作为研究对象,因Chl-a是表征水体富营养化现象及其程度的最重要指标之一,将Chl-a确定其为网络输出变量;利用MATLAB中的spline函数把2009年4月-2010年3月的月样本插值为周样本(训练集);通过相关性分析筛选网络输入变量;确定隐含层节点数为12的4层网络结构。利用训练集训练构建完成的BP网络,测试其对明湖5号点Chl-a浓度短期变化趋势的预测能力。结果表明BP神经网络对5号点预测具有良好的网络测试性能,但传统BP算法的收敛速度慢并易陷入局部最优。基于传统BP网络的局限性,在PSO-BP神经网络对富营养化预测研究中,利用PSO算法对BP神经网络的权值进行修正,优化神经网络结构及算法全局收敛性,提出了一种基于微PSO算法的BP神经网络模型。利用训练集训练构建完成的PSO-BPS神经网络,测试其对明湖5号点Chl-a浓度短期变化趋势的预测能力。结果表明,PSO算法有效克服了传统算法的缺点,在5号点的预测中PSO-BP网络模型显示了更高的测试性能。用6号和1号采样点数据来分别验证PSO-BP和BP网络的学习能力和泛化能力,比较分析基于PSO算法的新模型与传统BP算法模型的预测精度,结果表明,PSO-BP网络模型对6号点和1号点的相对误差在3%和6%左右,低于传统BP模型8%和10%,证明了PSO-BP神经网络模型在对明湖整体富营养化短期变化趋势有更高的预测能力,为今后PSO-BP神经网络模型对水体富营养化的预测奠定了基础。
肖永辉[8](2011)在《巢湖富营养化连续在线监测与蓝藻水华预警》文中研究指明近几十年来,随着工农业生产的迅速发展,水体富营养化及蓝藻水华污染己成为最为突出的世界性水环境问题之一。我国湖泊富营养化及蓝藻水华现象尤为严重,大多数湖泊、水库甚至河流中都不同程度地有水华的发生,太湖、滇池、巢湖等内陆大型湖泊富营养化严重,每年夏秋季都会暴发大规模蓝藻水华。蓝藻水华大面积、长时间频发,不仅破坏了湖泊水体的正常功能和生态环境,造成渔业生产的重大损失,而且严重威胁饮用水安全,危害人体健康,已成为制约经济和社会持续发展的重要环境因素。现阶段尚无有效可行的方法控制蓝藻水华的发生。因此,实时监测水体富营养化状况变化,及时预警蓝藻水华的发生采取应急措施降低蓝藻水华的危害,具有非常现实的意义。本文针对富营养化与蓝藻水华问题,以巢湖西半湖为研究对象,采用综合营养状态指数法对巢湖水体的富营养化程度进行评价,并开展对巢湖富营养化的连续在线监测。结合实时监测的水质参数和相关气象参数,运用格兰杰因果关系检验从中筛选出蓝藻水华预测时间序列上的滞后敏感因子,建立基于向量自回归模型(VAR模型)的蓝藻水华预警方法,对巢湖蓝藻的暴发进行预测。各部分的研究内容及主要结论如下:(1)通过实验室分析测定了2009年下半年巢湖西半湖10个采样点的叶绿素a (chl-a)、总磷(TP)、总氮(TN)、高锰酸盐指数(CODMn)和透明度(SD)五项指标,采用综合营养状态指数法对巢湖的富营养化状况进行评价。结果表明,巢湖西半湖采样区域水体已达到中度-重度富营养化程度,并有趋向严重的趋势,综合营养状态指数的季节变化趋势较明显。(2)结合2009年9-10月巢湖富营养化连续在线监测数据,研究了各水质参数与藻类浓度的相关性变化趋势。研究表明,2009年9-10月蓝藻是巢湖的优势藻种,夏秋季节是蓝藻水华爆发的敏感时期。在此期间藻类浓度、水温、pH、溶解氧等参数呈现出明显的日间昼夜变化效应。对藻类叶绿素a含量影响较大的因子有水温、浊度等。(3)以巢湖富营养化在线监测基站2009年9-10月的数据为基础,通过格兰杰因果关系检验法筛选出了多种与蓝藻水华暴发相关的时间序列上的滞后敏感因子。分析表明,若要预测未来1日的藻含量,蓝藻水华预警滞后敏感因子有溶解氧、温度和浊度;若要预测未来3日的藻浓度,蓝藻水华预警滞后敏感因子有电导率、温度、浊度和大气压。(4)建立巢湖蓝藻水华预警的向量自回归模型,对未来1日和未来3日的藻类叶绿素a预测值与实际值进行拟合。结果表明,此模型预测可靠性较好,且适合于短期预测。
沈蓓雷[9](2011)在《上海市景观水体富营养化评价和水华预警研究》文中指出城市景观水体是城市人居环境的有机组成部分,水体富营养化和水华爆发会严重影响水体的观赏功能和生态服务功能。为了对上海市景观水体的营养状况作出准确的判断,了解其富营养化进程及预测其发展趋势,本文基于薄芳芳(2009)对世纪公园、中山公园等15个位于上海市域的典型景观水体的调查结果,对城市景观水体富营养化程度综合评价的因子,标准进行了分析和探讨,并应用MATLAB软件建立了基于T-S算法的模糊神经网络评价模型,能对水体的营养状况作出快速有效的判定,通过与综合营养状态指数法(TLI法)、营养度指数法(AHP-PCA法)和评分法(SCO法)的对比,验证了其可靠性和优越性。于2009年7月至2010年11月期间,跟踪调查了共青森林公园等7个主要的城市景观水体,通过对比分析水华水体样本和非水华水体样本的差异,初步划定了上海市景观水体的水华预警线,并确定了预警监测指标。主要研究结果如下:1富营养化评价评价因子:叶绿素a(Chl-a)、总磷(TP)、总氮(TN)、透明度(SD)和高锰酸盐指数(CODMn)共5个水质指标作为上海市景观水体富营养化评价的因子。评价标准:根据水质指标的变化范围,将城市景观水体的营养状态划分为了贫、贫-中、中、中-轻富、轻富、中富、重富和超富共8个等级。评价模式:建立了拓扑结构为5-15-1的基于T-S算法的模糊神经网络模型。以5个评价因子作为输入变量,将营养等级作为输出值。根据四舍五入法确定了模型计算值(a)和营养等级的对应关系:a<1.5为贫,1.5≤a<2.5为贫-中,2.5≤a<3.5为中营养,3.5≤a<4.5为中-轻富,4.5≤a<5.5为轻富,5.5≤a<6.5为中富,6.5≤a<7.5为重富,a≥7.5为超富。评价应用:用建立的评价体系对调查的75组水体样本进行评价,得到它们在各营养等级的分布状况如下:超富营养水体和重富营养水体各占3%,中富营养水体占20%,轻富营养水体占31%,中-轻富营养水体占21%,中营养水体占13%,贫-中营养水体占9%,贫营养水体占0%。总共有56%的水体样本达到了富营养化水平。评价结果较好地反应了水体的实际营养状况。大部分水体在不同时间的营养状态水平是不同的,个别水体的营养状态水平波动相当大,对城市景观水体进行分时评价是合理的。2水华预警关键作用因子对比:上海市景观水体水华发生的5个主导因子为叶绿素a、总磷、总氮、透明度、高锰酸盐指数,发生水华的水体除了高锰酸盐指数有所偏高外,和非水华水体之间并没有十分明显的区别。其他指标对比:从溶解氧、氨氮、pH值、水温的变化范围来看,水华水体没有区别于非水华水体的明显特征。藻类细胞密度对比:水华水体样本的藻类细胞密度变化范围为212.7×105~423.5×105个/升,非水华水体的藻类细胞密度变化范围为10.3×105~377.2×105个/升。水华水体的藻类细胞密度都是比较高的,但某些没有发生水华的水体也具有很高的藻类细胞密度,甚至高于水华水体的藻类细胞密度。水体营养状况对比:水华水体样本的模型计算值变化范围为5.57~7.11,水体都处于中富营养水平以上,非水华水体样本的模型计算值变化范围为1.48~7.76,水体处于从贫营养到超富营养的各个状态。水华预警线:将模型计算值≥5.5作为上海市景观水体水华预警的警戒线,即水体营养状态达到中富营养水平。预警监测指标:根据划定的预警线,叶绿素a(Chl-a)、总磷(TP)、总氮(TN)、透明度(SD)和高锰酸盐指数(CODMn)
向先全[10](2008)在《基于模糊理论和神经网络方法的渤海湾富营养化模型研究》文中进行了进一步梳理随着环渤海地区经济的快速发展和海岸带高度开发,渤海湾海水富营养化问题日趋严重,是制约滨海地区经济可持续发展的重要因素。富营养化的预测与评价模型的建立,对于近岸海域富营养化的防治、修复和管理具有重要的意义。本文以渤海湾为研究背景,运用统计学、模糊理论、神经网络、遗传算法等信息技术方法,借助于MATLAB语言,研究了渤海湾的海水富营养化评价模型,并通过研究渤海湾环境因子同浮游植物量的关系,建立了叶绿素值的预测模型。通过分析渤海湾中与富营养化有关的主要因素,综合了物理、化学和生物指标,提出了渤海湾海水富营养化的模糊综合评价方法,用加权平均原则对结果进行了处理,评价结果显示天津港口及排污口附近富营养化状况严重。为避免人为主观因素的影响,使用了一种基于数据库模糊规则的获取方法,建立了叶绿素预测的模糊逻辑模型。另外,本文建立了渤海湾海水富营养化的BP网络评价模型,采用足够多的学习样本对BP网络进行训练,并经过检验样本检验了网络的泛化能力。与模糊评价进行了比较,评价结果相差较小。通过对遗传算法理论的研究,提出了二级遗传算法优化神经网络的拓扑结构和初始权值的方法,建立了基于二级遗传算法优化的神经网络预测模型,对渤海赤潮监控区的叶绿素值进行了预测,并与传统的BP预测模型进行了比较,结果显示前者仿真效果更满意。最后,研究了模糊逻辑与神经网络的结合—自适应神经网络模糊系统ANFIS,并结合监测的数据,通过减法聚类对输入/输出数据进行处理,建立了初始的模糊推理系统,后用神经网络对其进行自适应的学习,建立了渤海湾叶绿素的自适应神经网络模糊预测模型。对赤潮监控区的一个站位进行了模拟研究,预测结果大部分与实测值接近。
二、利用模糊神经网络对湖泊富营养化程度进行评价的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用模糊神经网络对湖泊富营养化程度进行评价的研究(论文提纲范文)
(1)百花湖水质评价及其时空变化研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 国内外水质研究现状 |
1.2.2 国内外水质评价常用方法 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
2 研究区概况与研究方法 |
2.1 百花湖概况及水库蓄水后水环境变化 |
2.1.1 自然和社会概况 |
2.1.2 百花湖研究进展 |
2.1.3 水库水环境变化 |
2.2 本文研究方法及水质评价结果 |
2.2.1 MLP(多层感知)神经网络 |
2.2.2 单因子评价法 |
2.2.3 内梅罗指数法 |
2.2.4 灰色关联分析法与模糊综合评价法 |
2.2.5 综合营养状态指数法 |
2.2.6 各类评价方法适应性讨论 |
2.3 本章小结 |
3 百花湖水质时空变化分析 |
3.1 百花湖水质评价结果 |
3.2 百花湖水质变化分析 |
3.2.1 百花湖水质时间变化 |
3.2.2 百花湖水质空间分布 |
3.3 本章小结 |
4 影响百花湖水质的主要指标分析 |
4.1 百花湖水质主要影响因子时空变化 |
4.2 百花湖水体污染物来源分析 |
4.3 本章小结 |
5 水质改善建议 |
6 结论与展望 |
6.1 结论 |
6.2 建议与展望 |
参考文献 |
攻读硕士学位期间主要研究成果 |
致谢 |
(2)九里湖国家湿地公园浮游植物功能群特征及富营养化评价(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究进展 |
1.3 研究内容与技术路线 |
2 实验方案设计 |
2.1 采样点布设 |
2.2 采样方法 |
2.3 实验与研究方法 |
3 九里湖国家湿地公园浮游植物功能群特征分析 |
3.1 九里湖国家湿地公园水体环境因子分布特征 |
3.2 九里湖国家湿地公园浮游植物群落结构特征 |
3.3 九里湖浮游植物功能群演替规律研究 |
3.4 九里湖国家湿地公园水体理化性质与浮游植物功能群PCA分析 |
3.5 本章小结 |
4 九里湖国家湿地公园富营养化评价 |
4.1 指标体系建立 |
4.2 基于遗传算法的神经网络构建 |
4.3 二级模糊综合富营养化评价模型 |
4.4 综合营养指数法评价结果 |
4.5 本章小结 |
5 结论与建议 |
5.1 结论 |
5.2 建议 |
参考文献 |
作者简历 |
学位论文数据集 |
(3)浅水湖泊水动力特性与富营养化机理及调控措施研究 ——以伍姓湖为例(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 湖泊水动力研究进展 |
1.2.2 湖泊水质模型研究进展 |
1.2.3 湖泊富营养化研究进展 |
1.2.4 湖泊富营养化控制措施研究进展 |
1.2.5 存在问题 |
1.3 主要研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
2 伍姓湖水环境时空变化规律与评价研究 |
2.1 湖区概况 |
2.1.1 地理位置及水系 |
2.1.2 土地利用现状 |
2.1.3 流域社会经济概况 |
2.1.4 流域水文气象特征 |
2.2 监测点布置与样品采集 |
2.3 伍姓湖水质指标的时空分布 |
2.4 进湖河流水质评价 |
2.4.1 理论与方法 |
2.4.2 结果与讨论 |
2.5 伍姓湖水质评价 |
2.5.1 理论与方法 |
2.5.2 结果与讨论 |
2.6 伍姓湖富营养化评价 |
2.6.1 理论与方法 |
2.6.2 结果与讨论 |
2.7 小结 |
3 伍姓湖水动力特性及其影响因素研究 |
3.1 模型描述 |
3.1.1 控制方程式 |
3.1.2 方程求解 |
3.1.3 边界条件 |
3.1.4 参数求解 |
3.2 模型建立 |
3.2.1 模型设置 |
3.2.2 模型验证 |
3.2.3 伍姓湖水动力特性分析 |
3.3 伍姓湖流场影响因素分析 |
3.3.1 风速对流场的影响分析 |
3.3.2 风向对流场的影响分析 |
3.3.3 湖岸边界对流场的影响分析 |
3.3.4 入湖径流对流场的影响分析 |
3.3.5 引水进湖方式对流场的影响分析 |
3.4 小结 |
4 伍姓湖富营养化机理与水华预警研究 |
4.1 伍姓湖富营养化成因分析 |
4.1.1 形成的外界条件 |
4.1.2 污染物来源 |
4.1.3 营养物质与富营养化关系 |
4.2 伍姓湖富营养化影响因素分析 |
4.2.1 理论与方法 |
4.2.2 结果与讨论 |
4.3 伍姓湖水华风险预警 |
4.3.1 数据缺失增补理论 |
4.3.2 粒子群算法优化BP神经网络 |
4.3.3 耦合风险概率的水华风险预警等级划分 |
4.3.4 伍姓湖数据增补 |
4.3.5 伍姓湖水华风险预警模型建立及验证 |
4.3.6 伍姓湖水华风险预警 |
4.4 小结 |
5 伍姓湖富营养化调控措施研究 |
5.1 伍姓湖富营养化模型构建 |
5.1.1 模型描述 |
5.1.2 伍姓湖富营养化模板构建 |
5.2 模型建立 |
5.2.1 入湖污染负荷估算 |
5.2.2 初始条件和边界条件 |
5.3 富营养化模型的验证 |
5.3.1 参数敏感度分析 |
5.3.2 模型验证 |
5.4 近期控制措施研究 |
5.5 远期控制措施研究 |
5.5.1 生态调水调控措施分析 |
5.5.2 生态调水和面源污染调控措施分析 |
5.6 小结 |
6 结论及展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
附录 |
(4)基于生态文明的干旱区湖泊湿地景观环境综合评价及改善对策研究(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 湿地科学的起源与发展 |
1.2.2 湿地相关问题的研究现状 |
1.2.3 存在的主要问题 |
1.3 本文的研究目的、意义、内容及方法 |
1.3.1 主要研究目的 |
1.3.2 研究意义 |
1.3.3 主要研究内容 |
1.3.4 研究思路、方法与技术路线 |
1.4 小结 |
2 湿地景观环境及其相关理论探讨 |
2.1 湿地景观环境的概念及界定 |
2.1.1 湿地及湿地系统 |
2.1.2 景观及湿地景观 |
2.1.3 环境及湿地景观环境 |
2.2 湿地景观环境系统组成及类型划分 |
2.2.1 湿地景观环境系统组成 |
2.2.2 湿地景观环境类型划分 |
2.3 干旱区湿地景观环境的主要特征 |
2.3.1 干旱区及其分布 |
2.3.2 干旱区湿地景观环境的主要特征 |
2.4 生态文明与湿地景观环境 |
2.4.1 生态文明的提出 |
2.4.2 生态文明的内涵及要求 |
2.4.3 生态文明与湿地景观环境的关系 |
2.5 小结 |
3 干旱区湖泊湿地景观环境综合评价体系研究 |
3.1 评价体系建立的必要性及可行性 |
3.2 评价类型与评价尺度研究 |
3.2.1 评价类型的选择及确定 |
3.2.2 评价尺度分析 |
3.3 评价指标体系建立 |
3.3.1 评价指标体系建立的原则 |
3.3.2 评价指标筛选需注意的问题 |
3.3.3 湿地景观环境系统主要影响要素分析 |
3.3.4 评价指标体系及其说明 |
3.4 评价等级及指标标准确定 |
3.5 小结 |
4 干旱区湖泊湿地景观环境综合评价方法研究及模型构建 |
4.1 评价方法的选择及确定 |
4.2 评价模型构建的数学理论基础 |
4.2.1 模糊系统简介 |
4.2.2 神经网络的概念与原理 |
4.2.3 模糊神经网络 |
4.3 综合评价模型构建 |
4.4 小结 |
5 研究区湖泊湿地景观环境现状与驱动因子分析 |
5.1 乌梁素海湿地基本概况 |
5.1.1 流域概况 |
5.1.2 河套灌区概况 |
5.1.3 乌梁素海海区概况 |
5.2 乌梁素海湿地的形成、演变与景观环境现状 |
5.2.1 乌梁素海湿地的形成与演变 |
5.2.2 乌梁素海湿地景观环境现状 |
5.3 乌梁素海湿地景观环境问题诊断及驱动因子分析 |
5.3.1 乌梁素海湿地景观环境问题诊断 |
5.3.2 乌梁素海湿地景观环境发展变化的驱动因子 |
5.4 小结 |
6 研究区湖泊湿地景观环境综合评价及成果分析 |
6.1 评价因素及基础数据信息采集与确定 |
6.2 乌梁素海湿地景观环境质量评价 |
6.2.1 模糊神经网络综合评价 |
6.2.2 单因素评价 |
6.3 乌梁素海湿地景观环境质量评价成果分析 |
6.4 小结 |
7 研究区湖泊湿地景观环境改善措施及对策研究 |
7.1 着力实施开源节流,努力增加生态补水 |
7.1.1 充分挖掘潜力,扩大补水水源 |
7.1.2 开展节约用水,提高用水效率 |
7.2 加快污染源综合治理,实现污染物达标排放或零排放 |
7.2.1 综合整治工业点源,全面推进清洁生产 |
7.2.2 发展生态农业,控制面源污染 |
7.2.3 搞好城镇建设规划,推进生态城镇建设 |
7.2.4 加强村庄综合整治,逐步削减农村污染 |
7.3 加强水土保持和生态建设,防止水土流失 |
7.3.1 加强源头治理,确保防治效果 |
7.3.2 搞好过程控制,减少水土流失 |
7.3.3 强化滨湖周边整治,控制泥沙进入湖泊 |
7.4 大力整治河渠,建设生态水系 |
7.4.1 改善河渠水质,减少入湖污染 |
7.4.2 实施生态护岸,改善生态环境 |
7.5 加大湖区综合整治,全面改善湿地生态景观环境 |
7.5.1 开挖网格水道系统,改善湖区水动力条件 |
7.5.2 加快湖泊底泥疏浚及资源化利用,消除内源污染 |
7.5.3 优化整治水生植物,改善湖区生态环境 |
7.5.4 实施生态改造工程,保护湿地生物多样性 |
7.5.5 加强自然景观资源的利用和改造,综合提升湿地景观水平 |
7.6 全面提高管理水平,促进乌梁素海湿地景观环境健康发展 |
7.6.1 健全法律法规体系,实现依法保护管理 |
7.6.2 理顺管理体制,健全管理机构,提高管理水平 |
7.6.3 加强监测和科学研究,为湿地建设和保护管理提供技术支撑 |
7.6.4 加大投入,形成良好的湿地保护管理投入机制 |
7.6.5 广泛宣传教育,提高全社会对湿地保护的意识 |
7.7 小结 |
8 结论及建议 |
8.1 结论 |
8.2 建议 |
参考文献 |
致谢 |
攻读学位期间参加科研及发表论文情况 |
(5)汾河水库水质富营养化评价与预测研究(论文提纲范文)
目录 |
Contents |
中文摘要 |
ABSTRACT |
第一章 前言 |
1.1 引言 |
1.2 研究目的与意义 |
1.3 国内外研究进展 |
1.3.1 水质富营养化评价国内外研究现状 |
1.3.2 水质预测国内外研究现状 |
1.3.3 国内外水环境污染源解析研究进展 |
1.4 研究内容与方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.5 技术路线 |
1.6 创新之处 |
第二章 研究区域概况 |
2.1 研究区域自然条件 |
2.2 研究区域气候条件 |
2.3. 研究区域社会经济条件 |
第三章 汾河水库水质动态变化及预测 |
3.1 汾河水库水质动态分析 |
3.2 汾河水库水质时段变化趋势 |
3.3 汾河水库水质短期预测 |
3.3.1 灰色系统建模的基本概念 |
3.3.2 GM(1,1)模型的建立方法 |
3.3.3 GM(1,1)模型的改进 |
3.4 基于MATLAB对改进GM(1,1)模型的实现 |
3.4.1 GM(1,1)模型算法 |
3.4.2 GM(1,1)模型的精度 |
3.4.3 汾河水库水质参数短期预测 |
3.5 本章小结 |
第四章 汾河水库水质富营养化评价 |
4.1 汾河水库水体富营养化评价模型选取 |
4.2 富营养化评价的指标选取与评价等级划分 |
4.2.1 汾河水库富营养化指标选取 |
4.2.2 水质富营养化评价标准 |
4.3 基于BP神经网络的水质富营养化评价 |
4.3.1 BP神经网络评价模型 |
4.3.2 BP神经网络学习原理 |
4.3.3 BP神经网络的创建、训练和评价 |
4.3.4 基于BP神经网络对水库富营养化评价的精度分析 |
4.4 基于T-S模糊神经网络的水质富营养化评价 |
4.4.1 T-S模糊神经网络模型 |
4.4.2 T-S模糊神经网络的学习原理 |
4.4.3 T-S模糊神经网络创建 |
4.4.4 基于T-S模糊神经网络对水库富营养化评价的精度分析 |
4.5 BP神经网络与T-S模糊神经网络结果的比较 |
4.6 汾河水库营养状况评价 |
4.7 本章小结 |
第五章 汾河水库水质污染源分析 |
5.1 汾河水库水体污染的来源分析 |
5.1.1 娄烦县污染源调查分析 |
5.1.2 汾河水库上游流域县市的污染源调查分析 |
5.1.3 农业面源污染 |
5.2 本章小结 |
第六章 汾河水库富营养化防治对策 |
6.1 对污染源的控制 |
6.1.1 深入治理工业废水排放 |
6.1.2 加强城市、农村生活污水治理力度 |
6.2 对非点源污染的控制 |
6.2.1 对农业生产污染物的控制 |
6.2.2 减少种植业中施用化肥 |
6.3 建立汾河水库生态工程 |
6.3.1 汾河水库上游段人工湿地工程 |
6.3.2 润河入库段延伸区河岸带生态工程 |
第七章 结论与建议 |
7.1 结论 |
7.2 进一步研究建议 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
个人简况及联系方式 |
(6)水体富营养化及蓝藻水华预警模型研究进展(论文提纲范文)
1 参数因子的选择 |
2 常用预警模型 |
2.1 神经网络模型 |
2.1.1 BP神经网络模型 |
2.1.2 小波神经网络 |
2.1.3 模糊神经网络 |
2.2 遗传算法模型 |
2.3 支持向量机模型 |
2.4 决策树方法 |
2.5 其它模型 |
3 结语 |
(7)基于PSO算法的BP神经网络模型对水体富营养化预测的研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 水体富营养化研究 |
1.1.1 水体富营养化的定义 |
1.1.2 湖泊水体富营养化现状 |
1.1.3 湖泊水体富营养化危害及防治对策 |
1.2 湖泊富营养化预测模型研究 |
1.2.1 模型机理法 |
1.2.2 时间序列法 |
1.2.3 结构分析法 |
1.2.4 系统方法 |
1.2.5 智能方法 |
1.3 BP神经网络 |
1.3.1 BP神经网络概述 |
1.3.2 BP神经元模型 |
1.3.3 BP神经网络结构 |
1.4 MATLAB的神经网络工具箱 |
1.4.1 MATLAB简介 |
1.4.2 MATLAB神经网络工具箱简介 |
1.4.3面向工具箱设计网络的原则及步骤 |
1.5 研究内容及意义 |
1.5.1 主要研究内容 |
1.5.2 技术路线 |
1.5.3 研究意义 |
第二章 BP神经网络对富营养化预测研究 |
2.1 前言 |
2.2 材料与方法 |
2.2.1 采样点的布设及测定 |
2.2.2 插值方法的选择 |
2.2.3 输入参数选择 |
2.2.4 面向MATLAB工具箱的BP网络设计 |
2.3 结果与分析 |
2.3.1 研究对象选取 |
2.3.2 样本spline插值 |
2.3.3 样本归一化 |
2.3.4 网络输出变量确定 |
2.3.5 网络输入变量相关性分析 |
2.3.6 BP网络方案的建立 |
2.3.7 BP神经网络的MATLAB运行程序 |
2.3.8 BP网络性能测试 |
2.3.9 BP算法的局限性 |
2.4 本章小结 |
第三章 PSO-BP神经网络对富营养化预测研究 |
3.1 前言 |
3.2 材料与方法 |
3.2.1 采样点的布设及测定 |
3.2.2 插值方法选择 |
3.2.3 输入参数选择 |
3.2.4 PSO算法 |
3.3 结果与分析 |
3.3.1 构建PSO优化BP神经网络方法 |
3.3.2 PSO优化BP神经网络设计 |
3.3.3 PSO优化BP神经网络设计的MATLAB实现 |
3.3.4 PSO-BP神经网络的MATLAB运行程序 |
3.3.5 PSO-BP神经网络性能测试 |
3.4 本章小结 |
第四章 PSO-BP神经网络对富营养化预测精度研究 |
4.1 前言 |
4.2 材料与方法 |
4.2.1 验证集的选取 |
4.2.2 误差分析方法 |
4.3 结果与分析 |
4.3.1 验证集的确定 |
4.3.2 网络性能验证与误差分析 |
4.4 本章小结 |
第五章 结论与展望 |
结论 |
展望 |
参考文章 |
在校期间发表论文情况 |
致谢 |
(8)巢湖富营养化连续在线监测与蓝藻水华预警(论文提纲范文)
摘要 |
Abstract |
第一章 综述 |
1 湖泊水体富营养化与蓝藻水华 |
1.1 水体富营养化 |
1.2 蓝藻水华 |
2 巢湖富营养化与蓝藻水华概况 |
2.1 巢湖及其流域概况 |
2.2 巢湖富营养化状况 |
2.3 巢湖富营养化成因分析 |
3 湖泊富营养化与蓝藻水华预警研究进展 |
3.1 富营养化与水华影响因子的选择 |
3.2 常用预警模型 |
4 研究目的、意义和内容 |
第二章 巢湖水质富营养化监测与分析 |
1 巢湖水质富营养化实验室分析 |
1.1 样品的采集与保存 |
1.2 富营养化相关水质参数的测定与评价方法 |
1.3 结果与分析 |
2 巢湖富营养化连续在线监测分析 |
2.1 巢湖富营养化连续在线监测系统 |
2.2 结果与分析 |
3 小结 |
第三章 巢湖蓝藻水华预警滞后敏感因子的筛选 |
1 筛选方法 |
1.1 EViews介绍 |
1.2 格兰杰因果关系检验 |
2 结果与讨论 |
2.1 数据预处理 |
2.2 单位根检验 |
2.3 协整检验 |
2.4 格兰杰因果关系检验 |
3 小结 |
第四章 基于向量自回归模型的蓝藻水华预警 |
1 时间序列向量自回归模型 |
1.1 时间序列分析理论 |
1.2 VAR模型理论 |
2 模型的建立 |
3 模型的检验与分析 |
4 小结 |
第五章 结论与展望 |
1 结论 |
2 展望 |
参考文献 |
附表 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(9)上海市景观水体富营养化评价和水华预警研究(论文提纲范文)
中文摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 水体富营养化与水华研究概况 |
1.1.1 水体富营养化与水华简介 |
1.1.2 水体富营养化评价研究 |
1.1.3 水华预警研究 |
1.1.4 人工神经网络在水体富营养化评价和水华预警中的应用 |
1.2 城市景观水体与富营养化 |
1.2.1 城市景观水体富营养化的现状 |
1.2.2 城市景观水体富营养化的原因 |
1.2.3 城市景观水体富营养化的危害 |
1.3 研究区概况 |
1.4 本研究的主要内容及其目的、意义 |
1.4.1 本研究的主要内容 |
1.4.2 本研究的目的、意义 |
第二章 材料与研究方法 |
2.1 富营养化评价 |
2.1.1 材料来源 |
2.1.2 数据分析方法 |
2.2 水华预警 |
2.2.1 材料来源 |
2.2.2 数据分析方法 |
第三章 城市景观水体富营养化程度评价 |
3.1 城市景观水体水质基础分析 |
3.1.1 评价因子的选择 |
3.1.2 评价标准的确定 |
3.2 评价模型的构建 |
3.2.1 模型结构的确定 |
3.2.2 学习样本的生成 |
3.2.3 其他参数设定 |
3.2.4 数据处理 |
3.2.5 模型训练和测试 |
3.2.6 营养等级的划分 |
3.3 模型应用 |
3.3.1 模型评价结果 |
3.3.2 模型评价结果分析 |
3.4 模型检验 |
3.4.1 其他方法评价 |
3.4.2 各方法评价结果对比 |
3.5 讨论 |
3.5.1 评价体系的合理性 |
3.5.2 评价模型的可靠性 |
3.5.3 评价模型的优越性 |
3.6 小结 |
第四章 城市景观水体水华预警研究 |
4.1 关键作用因子对比分析 |
4.1.1 叶绿素a |
4.1.2 透明度 |
4.1.3 总氮 |
4.1.4 总磷 |
4.1.5 高锰酸盐指数 |
4.2 其他指标对比分析 |
4.3 藻类细胞密度分析 |
4.4 水体营养状况对比分析 |
4.5 预警线划分 |
4.6 预警监测指标 |
4.7 讨论 |
4.7.1 预警可能性分析 |
4.7.2 预警指标探讨 |
4.7.3 预警模式探讨 |
4.8 小结 |
第五章 总结 |
5.1 结论 |
5.1.1 富营养化评价 |
5.1.2 水华预警 |
5.2 展望 |
附录1 攻读硕士学位期间发表的相关学术论文和参加的科研项目 |
附录2 浮游植物名录 |
参考文献 |
后记 |
(10)基于模糊理论和神经网络方法的渤海湾富营养化模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 概述 |
1.1.1 近岸海域海水富营养化的原因与影响 |
1.1.2 渤海湾富营养化概况 |
1.2 海水富营养化的评价方法 |
1.2.1 第1 代河口及沿岸海域富营养化评价模型 |
1.2.2 第2 代河口及沿岸海域富营养化评价模型 |
1.3 海水富营养化模型的研究 |
1.3.1 研究现状 |
1.3.2 水体富营养化模型的发展趋势 |
1.4 本文的主要工作 |
第二章 基于模糊理论的富营养化模型研究 |
2.1 模糊数学的基本理论 |
2.1.1 模糊集的基本概念及其运算 |
2.1.2 模糊关系和模糊矩阵 |
2.2 模糊逻辑基本理论及其系统的设计 |
2.2.1 “如果–则”推理规则 |
2.2.2 模糊逻辑的系统设计 |
2.3 渤海湾富营养化的模糊评价模型 |
2.3.1 评价因子及评价标准的确定 |
2.3.2 模糊转化 |
2.3.3 权重的确定 |
2.3.4 结果与分析 |
2.4 基于Mamdani型模糊模型研究叶绿素的预测模型 |
2.4.1 Mamdani型模糊逻辑系统的设计要点 |
2.4.2 叶绿素预测模糊逻辑模型的建立 |
2.4.3 结果与分析 |
2.5 本章小结 |
第三章 基于神经网络的富营养化模型研究 |
3.1 神经网络的理论基础 |
3.1.1 神经网络的发展史 |
3.1.2 神经网络模型 |
3.1.3 B P神经网络的研究 |
3.2 基于BP网络对渤海湾富营养化的评价 |
3.2.1 常见的人工神经网络评价模型的分析 |
3.2.2 评价因子及评价标准的确定 |
3.2.3 模型的BP网络结构 |
3.2.4 BP网络的训练 |
3.2.5 BP网络富营养化评价在渤海湾中的应用 |
3.3 遗传算法优化BP网络预测模型 |
3.3.1 遗传算法与神经网络结合的理论依据 |
3.3.2 遗传算法理论 |
3.3.3 二级遗传算法优化神经网络 |
3.3.4 基于二级遗传神经网络的浮游植物预测模型 |
3.4 本章小结 |
第四章 基于模糊神经网络的富营养化模型研究 |
4.1 模糊系统与神经网络的结合 |
4.1.1 两者结合的可行性 |
4.1.2 两者结合的基本方式 |
4.2 自适应神经网络模糊系统设计 |
4.3 基于ANFIS的渤海湾富营养化预测模型的建立 |
4.3.1 模型的输入和输出数据的选取 |
4.3.2 基于减法聚类的初始模糊推理系统的建立 |
4.3.3 自适应神经网络模糊推理模型的建立 |
4.3.4 模型结果及分析 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
四、利用模糊神经网络对湖泊富营养化程度进行评价的研究(论文参考文献)
- [1]百花湖水质评价及其时空变化研究[D]. 赵梦. 贵州师范大学, 2020(02)
- [2]九里湖国家湿地公园浮游植物功能群特征及富营养化评价[D]. 宋景辉. 中国矿业大学, 2020(01)
- [3]浅水湖泊水动力特性与富营养化机理及调控措施研究 ——以伍姓湖为例[D]. 高峰. 西安理工大学, 2017(01)
- [4]基于生态文明的干旱区湖泊湿地景观环境综合评价及改善对策研究[D]. 庞珺. 山东农业大学, 2014(02)
- [5]汾河水库水质富营养化评价与预测研究[D]. 盛夏. 山西大学, 2013(01)
- [6]水体富营养化及蓝藻水华预警模型研究进展[J]. 肖永辉,王志刚,刘曙照. 环境科学与技术, 2011(11)
- [7]基于PSO算法的BP神经网络模型对水体富营养化预测的研究[D]. 虞英杰. 暨南大学, 2011(11)
- [8]巢湖富营养化连续在线监测与蓝藻水华预警[D]. 肖永辉. 扬州大学, 2011(04)
- [9]上海市景观水体富营养化评价和水华预警研究[D]. 沈蓓雷. 华东师范大学, 2011(10)
- [10]基于模糊理论和神经网络方法的渤海湾富营养化模型研究[D]. 向先全. 天津大学, 2008(08)