水华前后叶绿素a变化及其与水质因子的关系

针对目前关于叶绿素a(Chl-a)与水质因子关系的研究成果多是基于分析水华发生后水质资料的现状,以我国南方某水库2003年2月—2009年12月的水质资料为基础,分析水华(2006年)前后水库Chl-a随时间的变化特征和Chl-a与总氮(TN)、总磷(TP)、pH值、透明度(SD)和溶解氧(DO)的相关关系。结果表明:水华发生前(2003—2005年)叶绿素a峰值主要出现在夏季,水华发生后(2007—2009年)叶绿素a峰值集中在冬季出现,冬季发生水华的可能性增加;水华发生前Chl-a与TN、TP、SD、pH值、DO均无显著的相关关系,水华发生后Chl-a与TP、SD、pH值、DO的相关关系显著增强,表现为直接或间接的线性关系。     

基于神经网络的水库藻类预警模型研究

针对水环境水体富营养化现象日渐严重导致控制水质难度和成本增高情况,对华南地区S水库进行藻类水质监测及风险预警研究。根据水库藻类水华产生的特点,通过对近一年水库气象、水质数据的整理与分析,建立基于神经网络的S水库藻类水华短期智能预警模型。预警模型选取水库水温、pH、叶绿素总浓度、总磷、总氮、溶解氧6种水质指标作为神经网络预警模型的输入量,分别采用BP神经网络、广义回归网络对S水库藻类建立预警模型并对两种预警模型的特点进行分析与总结,并通过对预测精度和泛化能力等因素的综合比较推荐最优预警模型结构和参数值。     

基于RF-LSTM的地表水体水质预测

水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法（RF）与长短时记忆神经网络（LSTM）相结合的预测方法。以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数（COD_Mn）、氨氮（NH₃—N）、总氮（TN）和总磷（TP）浓度变化的关键特征,在此基础上构建基于RF-LSTM的水质预测模型,并与单一LSTM、RF-BPNN和RF-RNN模型的预测效果进行对比。结果表明：RF-LSTM模型的预测效果均优于其他模型,预测COD_Mn、NH₃—N、TN和TP未来4 h浓度时的决定系数（R²）分别达到0.986、0.990、0.989和0.988,具有极高的预测精度和较强的泛化能力。研究结果为实现高精度水质预测提供了新思路。     

太原汾河公园水华高发期叶绿素a 与环境因子的关系

利用2012年5月至9月太原市汾河公园蓄水池水华防治专项监测资料,分析了1号蓄水池叶绿素a(Chl-a)的动态变化及与相关环境因子的关系。结果表明,在整个研究期间,Chl-a的波动较大,浓度范围为20.1¹32.0mg/m3,均值为55.553 mg/m3;5月份Chl-a含量总体上低于其它月份;Chl-a含量总体上与水温(WT)、COD、总磷(TP)、氨氮(NH3-N)均呈现极显著的正相关,与溶解氧(DO)、总氮(TN)、透明度(SD)呈极显著负相关,但与pH值关系不显著。不过Chl-a与环境因子的关系在不同时间段的表现有所差异:水体Chl-a含量在5月份受环境因子的影响不显著;6月份则显著受到有机质、总磷(TP)、总氮(TN)的影响;7月份受到有机质、TP、透明度(SD)极显著的影响,8月、9月份受到WT、TP、SD的极显著影响。     

南方多水塘系统流域土壤养分空间变异特征研究

长江中下游区域湖泊富营养化严重，而农业非点源污染是主要影响因素，了解流域土壤养分空间变化特征，对于采取非点源污染控制措施具有重要意义。借助地理信息系统，利用地统计学中的半变量变异函数研究巢湖流域北岸区域六岔河流域多水塘-沟渠系统中的土壤养分空间变异特征，研究表明，土壤中有机物质（OM）、总氮(TN)、总磷(TP)、氨态氮(NH4-N)、硝态氮(NO3-N)的空间变异函数理论模型均符合球状模型，总磷（TP）、氨态氮（NH4-N）、有机物（OM）空间异质性中结构性变异大于随机变异，在28.8%～44.0%之间；总氮（TN）、硝态氮（NO3-N）空间异质性中结构性变异小于随机变异。机物质（OM）、总氮(TN)、总磷(TP)、氨态氮(NH4-N)、硝态氮(NO3-N)空间自相关范围具有明显的差异，变化范围为123.9m～517.36m，呈现出氨态氮（NH4-N）>硝态氮（NO3-N）>总氮（TN）>有机物（OM）>总磷（TP），变化范围相差4倍左右，表明影响土壤养分的生态过程在不同尺度上起作用，主要影响因素包括养分特性、土地利用以及水塘-沟渠系统景观等。     

汕头市入海河流水质演变趋势及污染评价

基于2015—2020年汕头市4个主要入海河流断面的逐月水质监测数据,选取生化需氧量(BOD5)、化学需氧量(COD)、氨氮(NH3-N)、总氮(TN)、总磷(TP)5个水质指标,采用季节性Kendall检验法和污染指数法分析入海河流水质演变趋势及其污染状况.结果表明:汕头市入海河流关键污染因子为TN,练江流域以重度和...     

Elman神经网络模型在水质预测中的应用

基于Elman神经网络基本原理和方法,以曲靖市潇湘水库总氮预测为例,采用SPSS软件分析总氮与环境因子的相关性,选取与总氮显著相关的pH、DO、NH_4~+-N、NO_2~--N、NO_3~--N和透明度作为网络输入,总氮作为输出,构建单、多隐层Elman神经网络水质预测模型,并构建RBF、GRNN神经网络水质预测模型作为对比模型。结果表明,单、多隐层Elman神经网络水质预测模型泛化能力强,预测精度高,算法稳定,预测精度随着隐层数的增加而提高。单、多隐层Elman神经网络模型均可用于水质预测预报,可为水质预测预报提供新的途径和方法。     

汛期水库调度对小江水华的影响

为研究三峡水库汛期调度对支流水华的抑制效果,于2022年6月24日—7月3日,跟踪监测三峡水库调度前期、调度期、调度后期代表性支流小江的藻类群落结构与水体理化因子,采用Kruskal-Wallis秩检验分析调度前后的水环境变化,采用Pearson相关分析和逐步回归分析探究藻类与环境因子的关系,采用RDA分析探究不同环境因子对藻类群落结构变化的贡献度,构建结构方程模型解析水库调度对水华的影响。结果显示,调度前期小江常年回水区发生蓝藻水华,以叶绿素a浓度表征的藻类生物量最高达到58.33μg/L;通过调度水位抬升后,藻类生物量降至6.41μg/L。回水区水温、pH值、总氮(TN)浓度降低,总磷(TP)浓度、硝酸盐(NO^-₃-N)浓度升高(p<0.01);逐步回归分析结果表明藻类生物量受水位变化过程中的TN、NO^-₃-N、磷酸盐(PO■-P)、水温、电导率(Cond)和化学需氧量(COD)的影响,共解释了79%的生物量变化。结构方程模型表明,水位抬升能降低COD浓度,显著降低支流水体的叶绿素a含量。...     

PSO-SVR模型及其在COD_(Mn)预测中的应用

针对回归支持向量机(SVR)惩罚因子C和核函数参数g的选取对模型性能有着关键性影响,以及在实际应用中存在参数选取等困难,提出基于启发式优化算法的PSO-SVR多元变量COD_(Mn)预测模型,以云南省某断面COD_(Mn)预测为例进行实例研究。利用SPSS软件选取COD_(Mn)影响因子,确定输入变量;基于粒子群算法(PSO)基本原理,采用PSO优化SVR惩罚因子C和核函数参数g,构建PSO-SVR多元变量COD_(Mn)预测模型,并构建GA-SVR、 GA-BP及传统BP模型作为对比模型。利用所构建的模型对实例进行预测分析,结果表明:PSO-SVR模型随机连续运行100次对实例COD_(Mn)预测的平均相对误差绝对值和最大相对误差绝对值分别在2.355 2%～3.200 5%和4.030 3%～4.735 0%之间,平均值分别仅为2.586 7%和4.268 1%,预测精度和泛化能力均优于GA-SVR、 GA-BP及传统BP模型,表明PSO能有效对SVR惩罚因子C和核函数参数g进行优化, PSO-SVR模型具有预测精度高、泛化能力强以及稳健性能好等特点。     

RS-RF模型在混凝土坝变形预测中的应用

高性能的混凝土坝变形预测模型作为结构安全性态诊断、预警和科学决策制定的重要参考,同时也是工程效益得以充分发挥的保障措施之一。针对混凝土坝变形监控模型中因子选取的主观性、因子间的多重共线性和预测模型泛化性差等问题,结合粗糙集和随机森林理论在特征属性约简、重要性评价和高精度预测等方面的优势,建立了基于RS-RF的混凝土坝变形预测模型。通过工程实例应用表明:基于RS-RF的混凝土坝变形监控模型可以对影响因子集进行约简并给出各因子的重要性,且预测精度优于常用的SVM模型和RF模型。由此可知,基于RS-RF的混凝土坝变形预测模型实现了影响因子优选,弥补了智能预测模型在定量化分析、预测泛化性等方面的不足,具有较强的工程实用性。     

雨强和土地利用对豫西南山区氮磷流失的影响

为了掌握雨强和土地利用方式对丹江口水库水源区养分流失的影响,通过室内人工模拟降雨试验,对从豫西南山区采集的5种常见土地利用类型的表层土壤,开展了6种雨强下TN(总氮)、TP(总磷)的流失规律研究。结果表明:1地表产流中,雨强对TN的平均含量影响显著,雨强大于1.0 mm/min时才会对TP的含量产生影响;不同用地产生的泥沙中,雨强大于等于3.0 mm/min时才会对TN、TP的含量产生显著影响。2土地类型对TN、TP的流失量也有极大的影响,乔木林、灌草地因其具有较坡耕地、梯田与荒草地更好的土壤结构,TN、TP的流失量相对较少,但前两者之间与后三者之间的差异不大。3对径流中TN、TP的含量与雨强作回归分析,除乔木林地和灌草地略有不同外,其他各用地类均为对数拟合的效果最差,多项式拟合的决定系数较高;不同用地产沙中TN、TP含量与雨强的关系,均以多项式拟合的效果为最好。     

新疆博斯腾湖不同功能区水质监测与评价

将新疆博斯腾湖划分为东湖区和西湖区两个功能区,在两个区域内分别设置三个监测点进行水体中总氮(TN)、总磷(TP)、高锰酸盐指数、溶解氧(DO)等评价指标的监测,运用熵权法计算不同水质指标的权重,对水质进行定量性评价。结果表明,博斯腾湖属于Ⅲ类水质,其中总氮(TN)和总磷(TP)明显超标,水体富营养化严重,这可能与西湖区鱼类养殖及博斯腾湖上游的大河口将氮磷等有机物带入等因素有关。     

乌梁素海碳汇影响因素研究

探索乌梁素海各因素对碳汇能力影响、控制水体的生态平衡是未来乌梁素海生态综合治理新的发展方向。文章采集了乌梁素海表层水样，利用顶空瓶法、针筒置换法测定乌梁素海表层水样的CO₂(二氧化碳)、CH₄(甲烷)、TN(总氮)、TP(总磷)、DTP(总溶解性磷)、DTN(总溶解性氮)、pH、电导率、水温含量指标，并对水样中CO₂与TN(总氮)、TP(总磷)、DTN(总溶解性氮)、DTP(总溶解性磷)、DO(溶解氧)、DOC(溶解性有机碳)等影响因素进行了分析。     

基于改进支持向量机模型的开都河年径流量预测

针对回归支持向量机(SVR)惩罚因子C和核函数参数g的选取对模型性能有着关键性影响以及在实际应用中存在参数选取等困难,提出基于启发式算法的PSO-SVR和GA-SVR年径流预测模型,以新疆开都河大山口水文站年径流预测为例进行实例研究。首先,利用DPS软件选取年径流影响因子,确定输入向量;其次,基于粒子群算法(PSO)、遗传算法(GA)基本原理,采用PSO、GA优化SVR惩罚因子C和核函数参数g,构建PSO-SVR和GA-SVR年径流预测模型,并构建基于网格划分(GS)与交叉验证(CV)算法相结合的GS-SVR模型作为对比模型。最后,利用所构建的模型对实例进行预测分析。结果表明:PSO-SVR和GA-SVR模型对开都河1996—2012年径流预测的平均相对误差绝对值分别为2.65%、3.22%,平均绝对误差分别为1.055亿m3和1.291亿m3,预测精度和泛化能力均优于GS-SVR模型,表明PSO和GA能有效对SVR惩罚因子C和核函数参数g进行优化,具有预测精度高、泛化能力强以及稳健性能好的特点。相对而言,PSO-SVR模型性能略优于GA-SVR模型。     

钱塘江（杭州段）浮游藻类季节动态与环境因子

为探究钱塘江(杭州段)浮游藻类季节动态及其与环境因子的关系,于2018年1—12月对4个主要监测点位进行了月度采样调查。结果表明:浮游藻类总叶绿素质量浓度月均值为1.74～22.86μg/L,蓝藻叶绿素质量浓度月均值为0.02～10.82μg/L,全年浮游藻类组成以蓝藻和硅甲藻为主。环境因子主要选取了水温、水体pH值、浊度、电导率、溶解氧(DO)、高锰酸盐指数(CODMn)、氨氮(NH3-N)、总氮(TN)、总磷(TP)共9项水质参数。浮游藻类叶绿素质量浓度受水体理化因子影响较大,按月均值分析:总叶绿素质量浓度及绿藻叶绿素质量浓度均与水体温度显著正相关,蓝藻叶绿素质量浓度与水体温度极显著正相关;按季节平均值分析,硅甲藻叶绿素质量浓度与总磷质量浓度极显著负相关。由此可见,水温与总磷是影响钱塘江(杭州段)浮游藻类季节动态的主要环境因子。对主要环境因子和重要点位进行分类管理、联动监测和比对监测,尽可能防控环境风险,才能更好地实现浮游藻类环境监测分析的预警功能。     

西塬水库水质状况评价与分析

通过2015年对西塬水库水质的COD、氨氮、总磷(TP)、总氮(TN)指标进行了全年每月一次的监测,采用单因子污染指数法与综合污染指数法相结合的方法对该水库进行水质评价与分析。结果表明,西塬水库全年6个测站点水质均属于劣ⅴ类水。经分析,氨氮污染指数不是导致水体污染的主要因子;全年COD、TP污染指数一直很高,TN污染指数在9至12月份暂时恢复到正常范围内;3月份与6月份综合污染指数最高,主要是由于COD在此月份指数较高,同时TP、TN污染指数在3月份交替出现最高值。     

仙桃市农业非点源污染负荷时空分布特征研究

为了探讨湖北省仙桃市农业非点源污染负荷在时间和空间上的分布特征,考虑降雨因子、地形因子和入河系数,运用改进输出系数法对2010～2017年仙桃市非点源污染的总氮(TN)、总磷(TP)负荷量进行了估算,并利用ArcGIS 10.3.1软件对各乡镇农业非点源污染负荷进行了分析。结果表明:TN,TP污染负荷量年际变化受到年降雨量和农业污染源类型的显著影响,年均负荷量分别为1959.6, 249.1 t/a;污染源类型对TN污染负荷量的影响顺序为农业用地淡水养殖畜禽养殖农村生活,对TP污染负荷量的影响顺序为农业用地畜禽养殖淡水养殖农村生活;严重污染负荷区域主要分布在仙桃市东部区域,即西流河、长埫口、杨林尾等乡镇,是仙桃市农业面源污染防控的重点区域。     

赣江流域畜禽养殖营养物质潜在排放量的估算与分析

以赣江流域作为研究区,在确定赣江流域畜禽总氮(TN)、总磷(TP)潜在排放量估算方法和各种参数的基础上,由数据转换得到畜禽养殖的基础数据;通过对TN、TP年排放总量、各类畜禽排污量和各县市排污的区域分布分析,得到了畜禽污染的趋势、重点污染的畜禽种类和重点污染的县市,以便对赣江流域的畜禽潜在排放污染有个定量的认识。为赣江流域工农业生产布局和环境污染治理提供决策依据,为进行分布式机理性模型的模拟提供边界条件。     

RF机器学习算法在边坡渗压预测中的应用研究

为准确反映边坡渗压与影响因素之间复杂的非线性关系,提高渗压预测的精度及稳定性,将随机森林(random forest,RF)算法引入到边坡渗压预测中。通过分析影响边坡渗压的主要因素,选取水位因子、降雨因子、时效因子作为模型输入变量,分析袋外(out-ofbag,OOB)数据误差,确定参数的最优组合,构建一种基于RF算法的边坡渗压预测模型。对某渠道边坡的渗压实测数据进行分析预测,并与BP神经网络(back propagation neural network,BPNN)模型及逐步回归模型进行对比。结果表明,所建RF模型精度高,稳定性好,能够更有效地进行渗压预测。     

基于随机森林的水电站发电调度规则研究

以滩坑水电站为例,构建两组输入因子集,分别建立随机森林回归模型,模拟长系列出力和水位过程,探索因子数量对模拟结果的影响,根据优选的多因子随机森林模型进行了模型的泛化能力评估。结果表明,基于随机森林提取发电调度规则,模拟精度较高,可应用于实际;衍生因子的引入使得模拟效果略有提升;随机森林泛化能力强,但对于一些特殊来水情形其模拟能力略显不足;随机森林模型所造成的长时段水位偏低的形成机制是误差传播。