水质模型在海河二道闸以下河段水质控制规划中的应用

本文参照清华大学对北方河流的水质模型试验，结合海河一年中有四个月是汛期排水，其余八个月是状态的特点，得出一些经验公式。在保证水体不黑臭，不富营养化的前提下，对海河的水质、水量进行规划性预测计算，得出以下结论：水质（mg/l)：ＣＯＤ１４.2，ＢＯＤ１３.０，ＤＯ２.0，Ｎ４.５，Ｐ０.５，Ｃl^-１２５０；水量：汛期两岸排水２５０万m^3／月，非汛期两岸不得排入污水。     

基于游程检测法重构集合经验模态的养殖水质溶解氧预测

为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。     

基于水量水质耦合模型的流域非点源污染模拟精度分析

构建水量水质的耦合模型,改进传统水质模型未能考虑水量对非点源污染影响的局限,并以辽宁中部某流域为研究实例,结合水质监测数据探讨模型对非点源污染模拟的精度。研究表明:构建的水量水质耦合模型适用于区域非点源污染模拟,污染模拟精度较高,模拟的总氮和总磷浓度和水质监测浓度之间相对误差小于20%,月尺度相关系数高于0.75。研究成果可为辽宁中部流域非点源污染模拟提供方法参考。     

基于Box—Jenkins方法的黄河水质时间序列分析与预测

采用基于Box-Jenkins方法的时间序列分析技术,对黄河上游甘肃兰州段、中游吴堡和下游山东利津段的水质进行了趋势分析和预测。选取对水质产生影响较大的两个污染因子化学需氧量（CODMn）和溶解氧（D0O1994—2003连续10a的月平均水质监测数据,借助Matlab和SAS统计软件,建立了ARIMA模型和乘积季节时间序列模型,并分析了这两个污染因子随时间推移的变化规律。结果表明：ARIMA模型和乘积季节模型能够用于短期水质预测,并且预测效果较好。黄河流域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Ⅱ和Ⅲ类,而中游和下游水质基本为Ⅳ、Ⅴ和超Ⅴ类。