MATLAB神经网络在湖库富营养化程度评价中的应用

基于MATLAB神经网络和我国湖库富营养化评价标准,运用人工神经网络模式识别理论和方法,分别建立了BP,PNN,GRNN和Elman神经网络湖泊富营养化等级评价模型,对全国24个主要湖泊富营养化程度进行评价,并与文献[5]和文献[9]的评价结果进行比较.结果表明:基于MATLAB神经网络模型评价湖库富营养化程度是可行的...     

相关加权综合营养状态指数法在三峡水库富营养化评价中的应用

针对三峡水库河道型水库的特点,初步建立了Chl－a与各营养物的回归关系模型,运用相关加权综合营养状态指数法对水库进行评价,并与湖库富营养化评价方法的评价结果相比较,其结果均为贫营养。但同湖库富营养化评价方法相比,基于河道型水库综合营养状态指数法的评价结果偏低。当水体稳定后,用相关加权综合营养状态指数法对多种因子进行综合评价,能够比较真实地反映水体营养状况。     

安徽省重点流域湖库水环境调查与对策分析

安徽省水库众多,重点流域湖库水污染问题日益显现,本文结合安徽省淮河流域、长江流域、巢湖流域和新安江流域的水质调查分析,其中湖库水质多处于Ⅱ～Ⅲ类标准,大部分湖库水质都存在富营养化情况;通过对湖库周边人类活动和社会生产的研究,进行了湖库污染与周边产业关联分析,并提出相对应的管理保护措施。     

湖泊富营养化评价方法的探讨

针对常用的湖泊富营养化评价方法的不足，结合现有的评价模型，提出了一种改进的混合评价方法——遗传优选模糊模式识别评价方法，并选取了10个湖库的chl-a、TP、TN、COD、SD作为评价指标进行水体的富营养化程度评价，结果表明，与原有的评价模型相比，新的评价方法得到的评价结果误差较小，能够对水环境污染作出科学的符合实际的评价。     

东站引河水质富营养化状况的分析与评价

对东站引河水质的富营养化状况进行了调查、分析与评价,监测10项理化指标与生物指标,提出了利用湖(库)综合营养状态指数法对半封闭河流的营养状态进行评价,并分析原因,提出对策.结果表明,全年中各测点基本上都处于富营养状态,高峰期均出现在5,6月份,自上游向下游各测点富营养化程度总体呈上升趋势.     

岳城水库水质富营养化评价

岳城水库作为华北地区重要饮用水源地,水库的富营养化程度直接体现水质的好坏,但随着数年连续干旱、蓄水量逐步减少的情况,岳城水库面临水质富营养化的压力也越来越大.采用模糊综合评价法和综合营养状态指数法对水库2001—2010年的富营养化程度进行分析对比,模糊综合评价法的结果是水库水质的富营养化程度在中富营养和富营养之间,综合营养状态指数法的结果为水库水质属于中营养,2种方法评判结果的总体变化趋势基本相同,均表明水库的富营养化程度在逐渐好转.水库的富营养化主要是由氮引起的,因此急需对上游和周边的氮污染源进行治理.     

广州两个景观内湖营养状况的变化趋势和分析

自2011年11月到2012年10月,对广州大学城内A湖和B湖两个中小型景观湖泊进行了水质和藻类数量监测.用评分法对A湖和B湖进行评价,结果均为富营养级别,在监测期间有水质持续恶化和营养本底呈逐渐积累趋势.湖体水质富营养化趋势和水质波动与湖体构型、岸线等生态学特征密切相关,A、B两湖的岸线发育系数为1.91和1.38,易营养富集.A、B两湖藻类数量基本稳定在10⁵数量级,变化规律相似,在3~7月藻增殖较快,7月到达年度峰值,主要受气候,湖泊功能规划和常量、微量营养物本底值及其比例的影响.     

营养度指数法在寒地湖泊富营养化评价中的应用

针对北方寒地湖泊富营养化评价问题，采用营养度指数法，对北方寒地湖泊富营养化程度定量化进行了深入的研究．阐述了参数因子选择、因子权重确定、参数物理量标准归一化等三方面问题所涉及到的数学方法，并选择了二龙山水库具有代表性的监测数据对寒地湖泊水体富养化程度进行了评价．评价结果更接近于客观实际环境，体现了营养度指数法在寒地湖泊富营养化评价中的可应用性．     

物元分析法在湖泊富营养化程度评价中的应用

基于物元分析理论,建立了湖泊水质富营养化程度评价模型。以我国5个主要湖泊为例,对其富营养化状况进行了评价,并与其他评价方法比较。     

双龙湖初级生产力测定及其模型研究

双龙湖是浅水型城市湖泊,一度为重富营养化湖泊。经综合治理其水质得到明显改善。通过黑白瓶法测定双龙湖浮游植物水柱日净产量时空分布,认为双龙湖营养水平较高,且初级生产力同水温、透明度、溶解氧、溶解性总磷呈显著正相关。根据模型计算双龙湖全年浮游植物净产量为1815033 kg,理论产鱼潜力9075.2 kg。与实际情况符合较好。定期收获鱼产品可以从湖泊生态系统中移出氮、磷等营养元素,从而减轻双龙湖富营养化。     

营养度指数法在寒地湖泊富营养化评价中的应用

针对北方寒地湖泊富营养化评价问题,采用营养度指数法,对北方寒地湖泊富营养化程度定量化进行了深入的研究.阐述了参数因子选择、因子权重确定、参数物理量标准归一化等三方面问题所涉及到的数学方法,并选择了二龙山水库具有代表性的监测数据对寒地湖泊水体富营养化程度进行了评价,评价结果更接近于客观实际环境,体现了营养度指数法在寒地湖泊富营养化评价中的可应用性.     

鄱阳湖水质状况及变化趋势分析

根据连续多年的水质监测资料,分析了鄱阳湖水系水质及湖体水质变化趋势.结果表明鄱阳湖水系水质及湖体水质均呈下降趋势,枯水期水质比丰水期更差;水系主要污染物为NH3-N、TN和TP,湖体主要污染物为TP和NH3-N;湖体富营养化程度均为中营养,有逐步向富营养化的趋势发展.     

云南不同富营养化程度湖泊中产毒蓝藻藻毒素基因多样性研究

有毒蓝藻水华的形成及蓝藻毒素的产生会严重危害水生态安全,并影响人类生产生活,因而成为备受关注的重大环境问题之一.为探究云南不同富营养化程度湖泊中产毒蓝藻产毒基因的多样性,在2019年至2020年丰水期、平水期和枯水期,采集富营养化的星云湖、贫营养化的抚仙湖水体和沉积物样本,运用常规PCR技术对产毒蓝藻特有的微囊藻毒素合成酶基因mcyA、鱼腥藻毒素合成酶基因anaC和麻痹性贝类毒素合成酶基因sxtA进行扩增测序和系统进化分析.基因检测结果表明,来自两个不同富营养化程度湖泊的水体样品中均发现有mcyA、anaC和sxtA基因,而对于沉积物的检测却仅在来自于富营养化的星云湖样品中发现mcyA基因.通过对目的基因测序并构建系统进化树进行多样性分析发现,两个不同富营养化程度湖泊中的mcyA基因来源较为单一,主要由微囊藻属藻类产生,而sxtA基因来源较广,主要由鱼腥藻属、束丝藻属、长孢藻属产生.另外,anaC基因在抚仙湖中主要由颤藻属产生,而在星云湖中则主要由颤藻属和束丝藻属产生.     

浙江省小型水库土坝坝体渗漏处理技术方案探讨

截至2006年底,浙江省已建水库4057座,其中库容在10万m3～1000万m3的小型水库3885座,占总数的95．76％。据统计,这些水库80％建于上世纪50～70年代,且多为土坝,经几十年运行,工程老化,隐患逐渐暴露,水库病险问题突出。其中坝体渗漏是小型水库的主要病因之一。浙江省从2003年实施“千库保安”工程,到2009年底,已经完成1496座水库的除险加固,其中小型水库1465座。     

湖库型水源天然有机物来源与特性及其对水处理工艺影响研究进展

水源水中天然有机物(NOM)的含量和性质既关系到饮用水的色、嗅、味等感官性状及其生物和化学安全性,又对水处理工艺的运行有重要影响.湖泊和水库是目前许多城市的主要水源,深入认识湖库型水源中NOM的来源、性质及其处理特性对水源的优化调度和水处理工艺的运行具有重要意义.本文从湖泊和水库的水力特征出发,分析了湖库型水源中NOM主要来源及其迁移转化过程,结合相关文献总结了外源输入、内源产生以及光化学降解、生物降解等对NOM特性和水处理工艺的影响,并对今后的研究方向进行了展望.     

湖库水体水质模型及软件研究应用现状

对国内外湖泊、水库水质数学模拟的研究现状进行概述,并对几种应用较广泛的水质模型软件在可模拟水质参数、所需数据、实际应用结果等方面进行详述.当前湖库水质监测数据、地质水文及周边环境资料的限制,我国湖库水质模型在参数选取优化、不确定性分析等方面存在不足,仍待研究改进.     

松花江流域典型城市湖泊水质评价*—以落马湖为例

对落马湖的水质进行分析,结果表明其主要污染物为TN（总氮）、TP（总磷）和挥发酚等;结合化学需氧量、溶解氧和叶绿素a的值,利用综合营养状态指数法判定落马湖处于重度富营养化状态,水体在Ⅳ~Ⅴ类水质标准范围。湖中氮元素充足,藻类的生长速度取决于磷元素的含量,落马湖属于磷控制性湖泊。     

南水北调工程对丹江口水库富营养化的影响

采用平面二维水库水质数值模型与综合因子评价相结合的方法,对丹江口水库现状和南水北调工程实施后的水库富营养化水平进行了预测与评价.结果表明,南水北调工程实施后,总体上水库水质为中-中-富营养水平,营养状况较工程实施前好.但局部库湾水流流速减缓,水体趋向富营养化.     

湖库富营养化综合评价的属性识别模型

应用属性识别模型对我国的于桥水库、巢湖、玄武湖富营养化进行评价，评价结果得出，于桥水库为中富营养级、巢湖为富营养级、玄武湖为重富营养级，这一评价结果与模糊综合评价模型的评价结果相一致，同时该方法简单，更适合于有标准的系统质量评价问题。     

湖泊富营养化程度的灰色判别

本文以灰色系统理论为基础,提出了共原点灰色聚类分析方法,并将其应用于湖泊富营养化程度的判别过程中。通过对全国16个湖泊富营养化程度的评价,并与其它方法进行比较分析,其结果表示该方法用于湖泊富营养化程度的判别过程是可行的。