辽河流域水环境质量评价

在水环境质量评价中引入能够综合考虑不确定性因子的模糊集和贝叶斯理论,构建客观、真实反映河流水质状况的综合评价模型,进而构建水环境质量贝叶斯-三角模糊数评价模型。选取总磷、氨氮、溶解氧、高锰酸盐指数、生化需氧量等辽河干流段5个断面的水质评价因子,综合评价辽河干流段水环境质量状况。研究表明:辽河干流福德店、法库、新民、盘锦、六间房断面的水质区间分别为[3.316,3.365]、[3.122,3.180]、[3.277,3.195]、[3.430,3.426]、[3.405,3.471],均为[3,4]区间的Ⅲ类水质;断面水质优劣排序为法库<新民<福德店<盘锦<六间房;基于综合污染指数法和贝叶斯-三角模糊数模型的断面水质优劣排序情况基本保持一致,除法库河段外,其它断面水质评价结果保持一致;综合考虑先验信息的评价模型,能够更加系统、客观的表征水质状况。     

辽河流域水质状况及其对土地利用/覆被变化的响应

为了分析辽河流域水环境物理化学变量与土地利用变化的关系,于2009年8月和2010年6月,对辽河流域内80个点位的水环境物理化学特征进行了调查,并对其理化指标进行了综合评价.结果表明,浑河和太子河上游区域水体污染较小,中下游区域水体指标大多为Ⅴ类和劣Ⅴ类;西拉木伦河和老哈河在水域的西北方,水质总体评价为Ⅳ Ⅴ类,水质情况较差;东辽河流域区域特征不明显,2009年大部分水体指标为劣Ⅴ类,2010年大部分水体指标为Ⅲ到劣Ⅴ类;西辽河流域内大部分河段长期干涸;大辽河流域的地理位置位于整个流域的中东部,水体各项指标大多为Ⅴ类和劣Ⅴ类.相关分析和回归分析表明流域尺度上林地和农田对水体水质参数的浓度影响最大,是影响化学需氧量(CODMn)、含沙量、总氮和电导率(EC)浓度的主要土地利用类型.草地对2009年水质的综合评价结果具有显著正效应.     

渭河干流陕西段综合治理前后的水质变化与趋势

[目的]讨论渭河干流陕西段综合整治项目启动以来河道水质的变化趋势,检验整治工程的治理成效,为后续河道的污染防治提供一定技术支持。[方法]基于2010—2016年渭河干流陕西段主要监测断面的水质数据进行水质综合评价,应用Mann-Kendall检验法阐述水质变化趋势,运用重标极差分析法(R/S分析法)查明水质的未来变化趋势。[结果]2016年渭河干流陕西段河道水污染已由2010年的重度污染转为轻度污染,劣Ⅴ类水质断面比例减少了58.8%,Ⅳ—Ⅴ类断面比例增加了55.5%,Ⅰ—Ⅲ类断面占比保持平稳;宝鸡市、咸阳市、西安市和渭南市4个出境断面枯水期化学需氧量(COD)、NH3-N浓度普遍高于丰水期,治理后西安市出境断面污染削减最为显著,但是西安市出境断面仍然是4个断面中污染最为严重的断面;4个出境断面NH3-N浓度均呈现高度显著下降趋势且未来持续性较强;咸阳、西安、渭南市出境断面COD浓度呈显著下降趋势,但是未来持续性较弱,宝鸡市出境COD浓度呈不显著上升趋势且会延续。[结论]综合治理后,河道污染程度明显减轻,水质变化明显,但部分断面污染物浓度有上升趋势,需引起特别关注。     

辽河干流饮用水水源地水质分析与健康风险评价

对辽河干流5个典型饮水水源地利用水环境健康风险与综合水质指数WQI模型进行科学评价,并对比分析了两种评价方法的主要影响因素。研究表明:5个典型饮水水源地健康风险等级均处于较高水平,水质总体较好,城区与郊区水质相差不明显;水质指数受各污染物的影响作用较为明显,化学致癌物是影响健康风险的关键因素。综合利用两种方法对该流域水质健康风险评价,可更加系统、全面地评价水环境质量实际状况。     

BP神经网络在渭河水环境质量评价中的应用

为准确和客观地评价渭河水环境质量状况,将改进算法的BP神经网络引入地表水环境质量评价领域,采用渭河2010年(9月7日至10月11日)水质指标监测数据,构建了渭河水环境质量评价模型。通过3个水质监测项目(氨氮、高锰酸盐指数、溶解氧)对渭河水质进行了评价,评价结果与环境保护部公布结果完全一致。结果表明,BP神经网络应用于水环境质量评价具有客观性、通用性和实用性,可以很好地解决评价因子与水质等级间复杂的非线性关系,评价方法简便可靠,预测精度高。     

农业灌溉期辽河水质演变分析

辽河是辽宁省重要的农业灌溉河流。每年农业灌溉期上游水库放水初期Ⅱ、Ⅲ类库区水流经河道后就变成了Ⅴ类和劣Ⅴ类水,河道每年必须经过冲污后才能对农田进行灌溉,河水污染加剧了水资源的供需矛盾,成为困扰全省经济和社会发展的一个重大问题。以辽宁省水文局2004～2007年连续4 a开展的灌溉期水平衡测试为基础,采用单指标法和综合污染指标法评价分析了灌溉期辽河水质演变状况,进行了辽河典型断面COD承载容量分析,为辽宁省水质评价及水资源的开发利用方面提供了技术资料。     

2014-2017年赣江上游稀土矿区典型流域水质污染变化及成因

[目的] 分析赣江上游稀土矿区典型流域水质的时空分布特征,揭示水质污染状况和成因,为该流域的水环境治理提供理论依据和数据支撑。[方法] 采用2014-2017年赣江上游桃江流域10个监测断面的6项水质指标,运用描述性统计分析、水污染指数法、相关性分析等方法分析该流域水质污染现状及其成因。[结果] ①桃江流域各监测断面不同水文时期的污染状况均存在差异,以氨氮含量的时空差异最为明显。②水污染指数评价结果表明水质类别为Ⅱ类和Ⅲ类所占比例分别为55%和29%,龙头滩断面的水质状况最差,以劣Ⅴ类为主。[结论] 水质污染成因解析揭示出氨氮为桃江流域最主要的污染物,降雨对流域内水环境的影响较大,农业活动和以稀土采选为主的工业活动是造成水环境污染的重要人为活动。     

模糊数学评价法在石佛寺水库水质评价中的应用

对石佛寺水库入库口、库中以及出库口三个断面的镉、铅、铜、总氮、总磷、高锰酸盐指数、硫化物、粪大肠菌群等23项环境质量影响因子进行测试,并应用模糊数学综合评价法评价了石佛寺水库入库口、库中以及出库口3个断面水质质量均为Ⅴ类。分析了导致其为Ⅴ类水的直接原因为总氮超标,分析了总氮超标的成因以及有可能带来的生态危险性。     

陕西省不同生态类型区河流水质与径流泥沙间的关系

为反映陕西省地表水水质状况与水土流失间的关系,选取不同生态类型区的3条主要河流(渭河、延河和汉江)为研究对象,依据河流27断面水质监测资料,对延河流域5个断面、渭河流域13个断面、汉江流域9个断面的水质进行了评价,并从水体污染的角度分析了3条典型河流的污染源及其与径流泥沙的关系。结果表明:不同生态类型区河流水体水质呈现明显的时空变化特征,3条典型河流2001—2010年水质改善明显,27个监测断面中满足Ⅰ—Ⅲ类水质水体功能的断面由11个增加到18个,达标断面率为66.7%,Ⅴ类水质断面9个,占33.0%;不同生态类型区河流水质污染呈现较大的南北空间差异,位于秦岭以北的渭河干流污染严重,属重度污染,延河属轻度污染,位于秦岭以南的汉江水质为优;渭河氨氮浓度与年径流量呈显著负相关,径流量越大,氨氮浓度越低;延河河流径流与溶解氧(DO)浓度呈显著正相关,径流量越大,DO浓度越高,水质越好;汉江年输沙量和高锰酸盐指数(CODMN)浓度呈显著正相关,输沙量量越大,COD_(MN)越高,水质污染越严重。     

北京怀沙河水质污染与防治对策简

在对北京怀沙河的水质进行调查的基础上提出相应的防治对策.结果表明：怀沙河水质已重度富营养化,主要污染物为总氮、总磷,大部分河段总氮质量浓度严重超过Ⅴ类水环境标准,总磷质量浓度超过Ⅲ类水环境标准,综合评价整个流域,水环境为劣Ⅴ类,水资源质量属重富营型,远未达到规划要求的Ⅱ类水环境标准.提出的相应治理对策有：继续加大水环境保护及治理措施;加大清洁小流域建设力度;对潜在的污染因素及早发现,及早治理;采取严格的管理措施;加大水环境保护法规的宣传,提高群众环境保护意识;加大执法力度,提高违法成本,对违法水案件进行严查;加强水质监测和管护工作.该成果对建设清洁型小流域具有参考意义.     

基于综合营养状态指数和BP神经网络的黑河富营养化评价

[目的]探究黑河流域富营养状态,为黑河流域水体污染综合防治提供基础数据和理论依据。[方法]选取叶绿素a(Chl.a)、总氮(TN)、总磷(TP)、高锰酸盐指数(COD_{Mn_})、透明度(SD)作为评价因子,使用综合营养状态指数法和BP神经网络对黑河流域的富营养化进行综合评价。[结果]黑河富营养化状况主要以中营养级为主,其中野牛沟和张掖湿地的营养指数接近轻度富营养程度,东居延海处于重度富营养化,尤其是总氮指数很高,应该及时进行治理和保护。[结论]相对于综合营养状态指数法,BP神经网络对黑河流域的评价结果更加贴近实际结果,较为客观可靠。     

基于因子分析的Hopfield神经网络在水质评价的应用

针对Hopfield神经网络的过度拟合问题,在因子分析的基础上,结合Hopfield神经网络模型提出了因子分析—Hopfield神经网络模型。以东辽河为例,采用因子分析法确定7个水质评价因子,再建立5×7的Hopfield神经网络进行水质综合评价,并与单一的Hopfield网络和传统的内梅罗指数法的结果进行了比较。结果表明,因子分析—Hopfield神经网络明显优于单一的Hopfield神经网络,不仅在一定程度上弥补了因子分析在实际应用中没有实现水质分级的缺陷,而且有效地降低了Hopfield神经网络的过度拟和的程度,评价结果更为科学合理,为水质综合评价提供了一种新的方法,具有极好的应用前景。     

农业水利工程项目环境影响评价方法研究

建立了一个农业水利工程项目环境影响评价体系,针对西北一个农业水利工程项目,建立了加权综合评价模型和BP人工神经网络模型,并得出了环境影响定量评价结果,其评价体系、模型和评价结果是合理的     

基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度.     

改进灰色模式识别模型评价洱海雨季灌排沟渠水质

为揭示洱海流域农田生产与农村生活单元交替分布对灌排沟渠水质的综合影响及污染物贡献率,选取流域典型灌排沟渠不同断面进行连续取样观测,在分析化学需氧量(chemical oxygen demand,COD)、总氮(total nitrogen,TN)、总磷(total phosphorus,TP)及铵态氮(ammonium nitrogen,NH_4~+-N)浓度变化特征基础上,采用"中心化"灰色模式识别模型和综合平均污染指数对沟渠农田入口-农田出口-村落出口-农田出口-村落出口-农田出口断面水质进行综合评价。结果表明:沟渠断面TP和总可溶磷(totaldissolved phosphate,TDP)浓度沿水流方向持续增加,TN和硝态氮(nitrate nitrogen,NO_3~--N)浓度先增加随后稳定,沟渠农田出口段NH_4~+-N和COD浓度分别削减13.43%～57.88%和2.88%～19.33%,而流经村落段浓度相应增加。灰色模式识别模型分析发现沿水流方向沟渠断面水质类别分别为Ⅲ类、Ⅱ类、Ⅳ类、Ⅳ类、Ⅴ类和Ⅴ类,综合平均污染指数法表明沟渠中TN和COD是水体主要污染因子,而NO3--N是水体TN的最主要形态。该研究可揭示洱海流域氮磷污染来源与贡献,为明确面源污染防治的主要污染因子提供科技支撑。     

基于BP神经网络的北京昌平山前平原地下水水质评价

该文采用单因子评价方法对昌平区浅层地下水的超标因子进行筛选,结合水文地球化学理论探讨各因子超标原因,分析浅层地下水水质的空间分布特征,并采用BP神经网络法对水质进行综合评级。从综合评级结果来看,12眼监测井中1眼为Ⅴ类水质,5眼为Ⅳ类水质,6眼为Ⅲ类水质。单因子筛选结果表明,总硬度、总溶解性固体、氮素、氟化物等为该区最主要的超标因子。经分析可知,山前平原地带浅层地下水中氟化物为原生污染,氮素污染物主要来源于地表污染物下渗,总硬度和总溶解性固体的升高主要受地表污染物下渗、氮素的迁移转化等因素的影响。研究可为研究区地下水管理工作提供可靠数据。     

基于神经网络的土壤肥力综合评价

基于BP神经网络算法的模糊综合评判法对深州市土壤肥力进行等级评价,结果表明,该方法比主成分分析改进的模糊综合评判法更客观、稳定,适用性强,深州市至少89.1%的耕地肥力处于中下等水平;同时利用GIS的插值技术,生成土壤肥力评价图,为深州市的土壤改良和测土培肥提供一定依据。     

利用BP神经网络模型对太湖水体叶绿素a含量的估算

利用太湖2001-2006年常规水质监测资料和气象资料进行主成分分析,确定影响太湖水体叶绿素a 含量的主要因子。在此基础上构建BP神经网络模型,利用模型对太湖湖心区水体叶绿素a含量进行估算,并对模型进行敏感度分析;将所建模型运用于太湖梅梁湾、贡湖湾、竺山湾以及东太湖4个湖区叶绿素a含量的估算,以验证其适用性。结果表明：基于主成分分析的BP神经网络模型估算的湖心区叶绿素a含量与实测值的拟合度良好,对已建立的BP神经网络预测模型进行敏感度分析表明,气温和溶解氧与浮游植物叶绿素a含量密切相关;该模型对太湖其它4个湖区水体叶绿素a含量的估算结果与实测值拟合度良好, 表明其适用性也较好,因此,可以运用于对太湖水体叶绿素a含量的估算及预测。     

基于人工神经网络的喀斯特地区水资源安全评价

[目的]对喀斯特地区水资源安全状况进行评价,为喀斯特地区水环境管理与可持续发展提供科学依据。[方法]以喀斯特典型分布区贵州省为例,建立喀斯特地区水资源安全评价指标体系,构建BP人工神经网络模型,对贵州省9个州市水资源安全进行评价,并与熵权物元模型相比较。[结果]贵州省9个州市的水资源安全,有2个处于比较安全状态,6个处于一般状态,1个处于比较不安全状态。评价结果与熵权物元模型评价结果基本一致。[结论]该体系评价结果合理,评价方法简便直观,该模型对类似地区水资源安全评价有一定的参考价值。