三峡库区临江河回水区总氮和总磷的动态特征

基于20072008年对库区次级河流临江河水质及流量的监测资料,分析了临江河回水区总氮(TN)、总磷(TP)的动态变化特征,并对其通量进行了估算。结果表明,临江河回水区的TN、TP动态变化明显。与TN浓度的季节性变化相反,TP浓度呈现出丰水期高于枯水期的变化规律;TN、TP通量均表现出丰水期明显高于枯水期的规律。平均每年约有4 142 t的TN、455 t的TP汇入临江河回水区;且与2007年相比,2008年的TN输入通量减少了约32.7%,而TP通量却增加了34.3%,这种变化与TN、TP浓度的年际变化一致;TN通量的变化主要受河流流量的影响,TP通量受浓度和流量的双重影响。进一步分析表明,TN主要通过点源途径进入河道,以氨氮(NH3N)为主要存在形态,其次为溶解性有机氮(DON);TP主要通过面源途径进入河道,以磷酸盐(PO43P)为主要存在形式。研究表明,要改善临江河回水区的水环境质量,控制流域内的点源污染是关键。     

ΔDO单一指标评价景观水体富营养化的研究

提出了采用水中溶解氧昼夜浓度最大差值(ΔDO)单一指标来及时评价景观水体富营养化程度的方法。在光暗比为1∶1、温度为25℃、光照强度为2 000 lx条件下,通过测定不同纯藻的光合产氧速率和叶绿素a(Chl-a)浓度,以及实际混合藻群的DO、ΔDO和Chl-a浓度,建立了不同藻种及混合藻群ΔDO与Chl-a浓度的关系,探讨了采用ΔDO单因素评价景观水体富营养化程度的可能性。结果表明,在含铜绿微囊藻、小球藻、伪鱼腥藻、混合藻群的实际景观水体中,ΔDO与Chl-a浓度的Pearson相关系数分别为0. 95、0. 96、0. 97和0. 93,相关性显著。因此,采用ΔDO作为富营养化程度单因素评价指标有一定的可行性。此外,还确定了不同ΔDO对应的水体富营养化程度范围,可为景观水体富营养化程度评价提供有效、快捷的方法。     

BP神经网络在河流叶绿素a浓度预测中的应用

采用BP神经网络改进算法,通过对津河、卫津河叶绿素a和其他10种水质因子的分析,建立了叶绿素a预测模型,并找出了对叶绿素a浓度变化影响较大的因子.结果表明,BP神经网络在河流系统叶绿素a含量的预测中,具有很好的泛化、推广能力,预测值与实测值的相关系数达到了0.8376;预测过程中,增加训练样本量或增加输入变量都可以提高预测效果;pH、溶解氧、叶绿素a本底浓度和温度是叶绿素a预测模型的主要参数,四者的相时重要性指数之和达45.7%,时网络输出的准确度有较大影响.     

种植密度对绿萝浮床净化富营养水体效果的影响

为获取浮床植物治理富营养化水体的最优种植密度,在室外条件下选取有观赏价值和绿化作用的植物绿萝作为浮床植物,以自行设计组装的生态浮床作为植物载体,对由湖水加一定量营养元素配制的富营养化污水进行为期39 d的处理,考察植物生长情况和对各污染物的净化效果。结果表明,溶解性磷(DP)、TN、TOC、电导率(COND)的下降率与种植密度呈正相关,种植密度越大,植物质量增加比例越小、水箱内叶绿素a(Chl-a)浓度和藻密度越小; Chl-a浓度与藻密度变化趋势一致,两者具有显著的相关性。试验条件下的最佳种植密度为3. 13 g/L,对TN、TOC的去除率分别为96. 8%和84. 6%,种植密度过高,处理效果提高不明显。     

辽东湾中部近岸海域COD、石油类、叶绿素分布特征及富营养化状态评价

为掌握辽东湾中部近岸海域海水水质状况,于2016、2017年每年分4个季节(3、5、8、10月)对辽东湾中部(营口、盘锦)近岸海域的相关水质指标进行了调查与监测,研究分析了辽东湾中部近岸海域海水中COD、石油类污染物和叶绿素a的分布特征,并采用单因子标准指数法和综合指数评价法对COD及石油类污染物的污染程度进行了评价,采用富营养化指数法(EI)对辽东湾中部近岸海域的富营养化状态进行了评价。结果表明:调查海域内COD和石油类区域分布呈河口及沿岸浓度较高的特点,且季节分布特征表现不明显;叶绿素a含量分布有明显的季节变化特征,表现为夏季>春季>秋季,夏季海水中叶绿素a的含量约为秋季海水中叶绿素a含量的2倍,而叶绿素a区域分布特征表现不明显。研究表明,辽东湾中部近岸海域所监测站位均处于富营养化状态,以轻度、中度富营养化状态为主,富营养化海域主要集中在监测海域中、北部,富营养化程度较高的站位为河流入海口处部分站位。     

辽东湾中部近岸海域COD、石油类、叶绿素分布特征及富营养化状态评价

为掌握辽东湾中部近岸海域海水水质状况,于2016、2017年每年分4个季节(3、5、8、10月)对辽东湾中部(营口、盘锦)近岸海域的相关水质指标进行了调查与监测,研究分析了辽东湾中部近岸海域海水中COD、石油类污染物和叶绿素a的分布特征,并采用单因子标准指数法和综合指数评价法对COD及石油类污染物的污染程度进行了评价,采用富营养化指数法(EI)对辽东湾中部近岸海域的富营养化状态进行了评价。结果表明:调查海域内COD和石油类区域分布呈河口及沿岸浓度较高的特点,且季节分布特征表现不明显;叶绿素a含量分布有明显的季节变化特征,表现为夏季>春季>秋季,夏季海水中叶绿素a的含量约为秋季海水中叶绿素a含量的2倍,而叶绿素a区域分布特征表现不明显。研究表明,辽东湾中部近岸海域所监测站位均处于富营养化状态,以轻度、中度富营养化状态为主,富营养化海域主要集中在监测海域中、北部,富营养化程度较高的站位为河流入海口处部分站位。     

降雨径流污染对深圳湾富营养化影响的模拟研究

提出了城市降雨径流污染模型和海湾富营养化模型耦合模拟的方法,识别出了深圳湾受降雨径流污染影响显著的敏感区域和敏感时段,分析了城市降雨径流污染影响深圳湾富营养化的演变规律。结果表明,2014年5月—9月深圳湾流域降雨径流输出的氨氮、硝态氮和磷酸盐总负荷分别为1 268.6、1 598.0、169.7 t,占全年径流营养盐负荷的77%;进入深圳湾的降雨径流营养盐负荷主要来自深圳河,占全流域的51%~56%。深圳湾内湾2014年5月—9月的营养盐和叶绿素a浓度明显高于其他月份,且变化范围较大;内湾营养盐和叶绿素a浓度与全流域降雨量及流域径流污染负荷量呈正相关;外湾全年营养盐浓度和叶绿素a浓度变化较为平稳。降雨径流污染负荷对内湾营养盐浓度和叶绿素a浓度均有滞后效应;外湾基本上不受流域降雨径流污染影响。     

水源水库水位波动对藻类叶绿素a浓度的影响

水位波动会对水库的物理、化学和生物作用产生影响,进而影响到藻类的生物量和分布。以深圳市石岩水库为研究对象,分析了水位波动与藻类叶绿素a(Chl-a)浓度的关系,并进一步探讨了其内在的关联机制和通过水位波动调节进行藻类防控的可能性。结果表明,水库水位升高后藻类Chl-a浓度会明显降低,且提前分期蓄水水位升高后藻类Chl-a浓度降低更显著;水位有规律地交替抬高降低会降低藻类Chl-a浓度;在水位平稳期藻类Chl-a浓度会明显升高;藻类Chl-a浓度随水位日变幅的增大而降低。     

综合营养状态指数法评价鄞州区水库富营养化程度

采用综合营养状态指数法评价叶绿素a(Chl-a)、TN、TP、COD_(Mn)和透明度(SD)等参数的年均和月均变化,用于反映宁波市鄞州区6个水库的富营养程度;并根据各因子在综合营养状态指数中所占权重,对各因子进行比较。结果表明,鄞州区主要供水水库近5年一直处于中营养状态,综合营养状态指数在40左右波动,富营养化处于不稳定状态;鄞州区各水库的富营养化因子所占权重不同,主要影响因子不一,但TN因子是各水库富营养化的瓶颈;鄞州区水库富营养化波动呈显著的季节特征,春季和夏季富营养化程度形成高峰、秋季和冬季次之。     

东莞燕岭湿地景观水体富营养化的现状及机理分析

跟踪检测东莞燕岭湿地景观水体中叶绿素a、TN、TP、COD、BOD_5等水质指标,并分析了景观水体富营养化的现状及其机理。结果表明,景观水系统不同检测断面的叶绿素a含量差别较大(0.1~32.5 mg/m~3),叶绿素a含量沿水流方向逐渐增大,且呈现季节性暴发的特点;垂直流人工湿地对叶绿素a的去除率在90%以上。叶绿素a与TP、TN、COD、BOD_5浓度的相关性分析显示,氮和磷促进藻类生长的同时,藻类的增殖将有助于降低水体中的氮、磷浓度,同时会增加水体中的有机物浓度。建议在提高高位水池和垂直流人工湿地脱氮除磷能力的同时,在景观河流中补充食藻生物孵化器,通过生物除藻降低水体富营养化程度。     

基于GIS的河流水体污染非线性预测系统研究

针对河流水体污染物的空间分布特点，提出综合运用GIS、BP神经网络和遗传算法，实现河流水污染的空间数据管理和污染预测的方法。该方法通过改进激励函数、为权值的修正加入动量项等方法改良BP算法；并引入遗传算法实现BP神经网络隐层节点数、最佳学习率和动量因子等参数的自动搜索，有效地解决了传统模型参数难以确定等问题。并进一步将该模型与GIS强大的空间功能结合，实现了水体污染的海量空间数据管理及评价预测结果的空间图形直观可视化表达，十分便于及时掌握河流水体污染动态、空间分布及演化趋势。并最终以GIS为二次开发平台，实现了基于遗传神经网络的河流水体污染非线性预测管理系统，并在长江重庆城区段河流污染预测应用中显示出良好的效果，预测精度达78％以上。     

基于遗传神经网络模型的水质综合评价

建立了用于水质综合评价的遗传神经网络模型.该模型运用遗传算法优化改进型BP神经网络的初始权值和阈值,具有快速学习网络权重和全局搜索的能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题.采用苏帕河梯级电站的水质监测数据对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法用于水质综合评价客观、合理、准确,有其独特的优越性.     

基于遗传优化神经网络的市政管网水质模型研究

将遗传算法的全局搜索能力和BP神经网络的局部学习能力有机结合,得到一种快速高效的建立供水管网余氯的水质模型的新方法。验证结果表明,遗传算法优化后的神经网络模型所需要考虑的参数较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。     

基于BP网络的隧道围岩位移预测方法

介绍人工神经网络模型法的基本原理与步骤,探讨了隧道围岩收敛监测数据与人工神经网络间的联系,并建立了基于人工神经网络的隧道围岩收敛预报模型。以工程实例为背景,对隧道围岩的收敛变形进行预报分析。研究结果表明:BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。     

临近基坑建筑物沉降神经网络动态预报

将BP神经网络与遗传算法结合,建立了建筑物沉降的动态预报模型。实例分析表明所建立的模型预测精度较高,预报值与实测值吻合较好,该方法对建筑物沉降的实时预报有一定的实用性。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

神经网络预测在饮用水粉末活性炭应急处理中的应用

针对粉末活性炭应急处理工艺影响因素众多,经典数学模型很难精确描述多因素共同作用时的污染物去除情况,以出水的剩余污染物浓度为预测指标,结合实际试验情况,选取投加量、吸附时间、污染物种类、污染物浓度、pH、温度、有机物浓度等主要影响因素,使用BP神经网络建立粉末活性炭应急处理技术出水水质仿真及预测模型.结果显示,试验值和模拟值之间有紧密的相关性且离散程度不明显,该BP神经网络模型对粉末活性炭应急处理工艺有较好的预测能力.     

基于GA-BP神经网络的UHPC抗压强度预测与配合比设计

开展了不同配合比条件下超高性能混凝土(UHPC)的制备与抗压强度试验,并结合已有数据形成了神经网络训练样本;根据UHPC原材料组成和性能需求设计了包含神经网络输入层(7节点)、隐层(8节点)和输出层(1节点)的拓扑结构,并引入遗传算法(GA)优化了UHPC抗压强度预测网络的初始权值和阈值;采用试验样本模拟训练了不同配合比条件下的UHPC抗压强度预测GA-BP神经网络,并以此为基础建立了基于不同性能需求的配合比设计方法.对比试验数据和传统BP神经网络方法计算结果发现,GA-BP神经网络能更好地指导UHPC抗压强度预测和配合比设计.     

采用BP神经网络模型对东北地区水库水水质的预测研究

采用BP神经网络建立了东北地区某水库水的浊度预测模型,同时针对该水库的地域特点,重点研究了冰封期对水源水水质预测的影响。结果表明,以浊度为预测对象,将水库的水质数据按照是否进入冰封期进行划分后建模,预测效果比划分之前有较明显的提高。