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。     

因子分析法在汤河水库富营养化研究中的应用

水体富营养化是湖泊和水库面临的主要水质问题。运用综合营养状态指数法对汤河水库各断面营养水平进行评价，得出其目前的富营养化程度比较轻。因子分析法的应用表明，氮、磷和水温是汤河水库水体富营养化的主要影响因素。     

属性识别理论在闽江沙溪段水质评价中的应用

应用属性识别理论和属性识别准则,对闽江沙溪段支流水中11个典型断面的水质进行监测并建立属性识别模型.模型评价结果为,8个断面水质均达到国家Ⅲ类标准,可作为饮用水源,而另3个断面水质均超标.评价结果与模糊隶属函数法评价结果一致,说明属性识别模型评价方法具有可行性.同时,通过11个断面水样在254 nm波长下的吸光度值分析可知,其主要污染物均为无机物.     

多种评价法在朱隈水库水污染特征与水质评价中的运用

依据2010—2018年朱隈水库实测数据资料,采用BP神经网络模型、综合污染指数法和单因子评价法,选择BOD5、DO、CODMn、NH3-N、TP、pH值6项指标科学评价朱隈水库的水质状况。结果显示:朱隈水库的单因子水质评价结果达到Ⅲ类水质要求,BP神经网络评价为Ⅱ类水质,全年出库站和水源站综合污染指数为0.431~0.571、0.438~0.576,水污染为轻度;该水质评价结果可为其他地区水污染治理工作和朱隈水库管理提供科学的决策依据。     

汾河运城段河流水质评价

基于长期的水质监测数据,应用水质标识指数法,对汾河运城段2005—2009年的水质进行了评价,得出了新绛站监测断面和河津大桥监测断面的地表水环境质量级别。结果表明,该河段COD,BOD5和氨氮这3项因子超标严重,且氨氮的污染指数最大,不能满足相应的水环境功能要求,水质不能达到地表水环境质量标准。总体来看,须对汾河运城段的COD,BOD5和氨氮等污染物加以严格控制。研究结果可为运城市地表水资源规划、管理与保护提供科学依据。     

基于因子分析法的盐池县粮食生产影响因素分析

在构建盐池县粮食总产量评价指标体系的基础上,应用因子分析法首先对盐池县25 a粮食总产量与影响因子进行分析与评价:影响单产的主要5个主成分,因子1由投入因子决定;因子2由光温因子决定;因子3由生育期因子决定;因子4由降水量因子决定;因子5主要Fh风害因子决定.各因子各自占的比例分别为38.755 9%、17.985 2%、10.872 8%、11.888 4%、10.479 9%,盐池县粮食总产量主要是依靠第一因子.总体评价最好为2004年,最差为1984年.并针对盐池县粮食总产量发展的现状的提出相应的对策.     

辽阳市太子河流域地下水水质评价

以辽阳市太子河流域为例,选择NH4+、NO2-、NO3-、SO42-、TDS、Cl-和总硬度7项评价因子,采用OWA-AHP-TOPSIS耦合模型评价12处水样点的地下水水质.结果表明:流域内水质总体处于较严重的污染现状,所选水样中Ⅲ类、Ⅳ类水占比为41.67％和58.33％,南北部水质污染情况更加恶劣,主要与当地农业...     

大凌河浮游植物群落结构特征与水质评价

采用显微镜定量计数和定性鉴定2021年春、夏、秋、冬四季所采集的大凌河水样浮游植物,通过计算生物多样性指数、优势种和生物密度量化分析其群落结构及水质状况。研究发现,大凌河浮游植物主要以蓝藻门和硅藻门为优势种,共检出7门45种,全年浮游植物密度为1.50×10⁷～40.86×10⁷ ind/L,水质达到Ⅲ～Ⅳ类标准;丰富度指数、均匀度指数、Shannon-Wiener指数的变化区间为0.32～0.65、0.26～0.87、0.85～3.10;大凌河浮游植物群落变化受氨氮、高锰酸盐指数及化学需氧量影响显著,河流处于轻度污染状态。     

地面水质评价的RBF神经网络方法

借助神经网络方法处理非线性问题的优势 ,采用径向基函数 (RBF)来构造多层前馈 BP神经网络。根据某流域水系的水质监测的数据 ,建立一个对地面水质进行判别的多层前馈网络数学模型。以地面水质污染主要的 7项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度很高 ,效果优于其它方法     

海河流域水质评价与预测

以海河流域为例,选择灰色关联分析法对其水质进行了评价。由于传统的灰色关联分析存在一定缺陷,故选择两种改进的灰色关联分析法进行水质评价,并比较了这两种方法的优缺点。采用对应分析法,将采样点与变量有机地结合起来进行了分析。最后使用灰色预测模型对海河流域水质情况进行了预测。结果表明:(1)将基于改进AHP法权重的灰色关联分析法与对应分析法联用可以全面认识流域水质状况,给出科学合理的评价结果;(2)海河流域污染来源主要为农业面源污染与生活污水污染。     

新安江、富春江区域水质变化的风险分析

通过收集整理10年的地表水环境监测资料，综合分析了钱塘江下游干流新安江和富春江区域的水质变化规律。应用斯毕曼秩次相关性检验、相关分析和方差分析，研究了两江流域内水质变化的趋势与联系，结果表明．两江流域内水质总体仍处于低风险水平，仅在部分区段和时段内出现个别项目超标。两江流域水质的主要胁迫因子均与社会经济活动有关，但尚未超出流域内环境容量容许范围，总体水质仍能满足功能区要求。说明通过合理控制污染排放，完全可能实现两江流域社会经济与环境保护协调发展。     

主成分分析在河流水质综合评价中的应用

采用主成分分析法（PCA）,对大沽夹河流域水质进行了定量化综合评价。结果表明:流域水质具有明显的区域差异,在14个典型监测断面中,福山水闸下和新夹河桥2个监测断面水质污染较为严重,宫家岛等4个断面水质较好,其余断面水质良好。就全流域而言,水质污染程度不是很严重,基本满足功能区的要求。     

浑太河流域水环境质量综合分析与评价

以浑太河流域为研究对象,选取流域88个监测站点,在2009,2010,2012年对河流高锰酸盐指数、总氮、氨氮、总磷等9项指标进行监测,并对河流水质的时空异质性进行了分析。选择高锰酸盐指数、总氮、氨氮和总磷作为主要评价因子,采用单因子和综合水质标识指数法对该地区主要河流水污染特征进行分析及评价。结果表明,水质因子具有明显的时空异质性。单因子评价结果表明,非汛期总氮和氨氮为主要污染物,汛期总磷和总氮为主要污染物,非汛期的水质状况较汛期好,说明非点源是造成其污染的主要原因。河流水质综合评价中,小汤河上游、太子河南支、太子河北支所有点位的水质评价结果均为最好。所有站点中,海城河的支流（五道里河、运梁河、南沙河下游）区域的水质最差,达到劣Ⅴ类水质,且出现黑臭现象。研究结果对指导浑太河流域水污染防治及水资源管理具有重要意义。     

沱江流域地表水水质的模糊综合评价

沱江是长江上游的一个重要支流,其水质安全对维持成都平原及周边地区正常的生产生活起着至关重要的作用。采用模糊综合评价的方法,对沱江流域15个地表水监测断面的水质状况进行了综合评价,结果表明：在15个监测断面中,处于清洁状态的有6个,占40%;处于未污染的有4个,约占26.7%;处于轻污染和中污染的各有1个,分别约占6.7%;处于重污染的有3个,占20%。处于清洁和未污染的断面主要位于沱江流域的中游,其水质状况较好;处于中污染和重污染的断面主要位于沱江流域的上游和下游,水质状况较差。需要加强流域综合治理尤其是对沱江上游和下游的治理,以确保沱江流域的水质安全。     

2007-2019年东江流域赣粤出境水质评价与成因分析

[目的] 分析东江源区赣粤出境水质时空分布特征,为该流域的水环境治理和水生态改善提供理论依据和数据支撑。[方法] 基于东江源区2007—2019年赣粤出境监测断面的11项水质指标,运用描述性统计分析、水污染指数法、相关性分析和Mann-Kendall检验等方法,分析了流域出境水质变化与成因。[结果] ①不同水文时期的水质状况均存在差异,以氯化物、硫酸盐和氨氮的时空差异性最为明显。②年内变化为汛期水质好于非汛期,劣Ⅴ水仅存在于非汛期;年际变化为,2008年出境水质最差,2009年开始好转,2017—2019年全部满足Ⅱ—Ⅲ类水。③氨氮是出境水质最主要的污染物但浓度显著下降,稀土开采,果业开发和大型养殖等是影响水质的主要因素。[结论] 过去十几年,东江源区赣粤出境水不同水文时期水质略有不同但总体呈下降趋势,主要污染物氨氮浓度显著下降,源区近年采取的保护修复措施成效显著。     

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。     

基于多元统计分析的黄河水质评价方法

为探讨一种适用于大尺度、多断面和长时间的水质评价方法,用系统聚类分析将2000—2002年黄河6个监测断面的90个水质样本分为7组,并用判别分析验证了结果的可靠性。其主要程序为：利用多元方差分析对各断面多年水质监测样本进行空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过系统聚类分析把上述样本进行聚类分组,最后应用判别分析方法对各组样本进行水质评价,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征。结果表明,黄河流域干流从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅰ-Ⅲ类,而中游和下游水质基本为Ⅳ-Ⅴ类和超Ⅴ类。