小波神经网络在水文水资源应用中的研究进展

以人工神经网络为基础的小波神经网络具有较强的逼近和容错能力、较快的收敛速度和较好的预报效果。在介绍小波神经网络模型的结构、特点基础上,着重介绍了目前关于小波神经网络在水文水资源领域的研究现状,并指出了其在理论及应用中存在的问题。     

水资源承载力综合评价的RBF神经网络模型

水资源承载能力与评价指标组成了一个复杂的非线性系统,综合评价的难点在于确定各评价指标的权值。本文利用径向基网络RBF函数逼近、模式识别和分类能力强以及学习速度快等特点,将其应用于水资源承载力评价。以内蒙古区域水资源承载力为例,对原始数据进行了归一化预处理,在水资源承载能力评价标准等级间随机内插构造足够数量的训练样本、检测样本及其目标输出,确立水资源承载能力评价等级界限,取得了良好的评价结果,对提高水资源承载能力评价的精度与客观性具有重要意义。     

Application of artificial neural networks for classifying lake eutrophication status

Several artificial neural network architectures were ‘trained’ on data from the Eastern Lake Survey – Phase I of the Environmental Protection Agency's National Surface Water Survey in order to investigate which physical–chemical parameters are possibly of greatest importance in determining the eutrophication status of lakes. From the 110 available lake parameters in the Survey, 60 were chosen as input to the neural networks. The traditional eutrophication classification scheme of Vollenweider was used for comparative purposes. The various artificial neural network simulations showed that, in addition to total phosphorus and inorganic nitrogen, turbidity, specific conductance, lake elevation and hydrogen ion concentration were identified as the most significant parameters affecting the classification of lakes in regard to their eutrophication status. These results suggest a conceivable association between these parameters and lake eutrophication, thereby indicating a need for further study on these relationships. A model simulation utilizing an unsupervised neural network did not provide much insight into the lake eutrophication status, but did show that the available physical–chemical lake data could be categorized according to physical region, thereby providing an indication that the lake data used in this study were region‐dependent.     

地下水位动态预测的人工神经网络方法

介绍了人工神经网络的基本原理 ,用该方法进行地下水位预测 ,结果表明该方法精度较高 ,具有一定的推广应用价值     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

Contribution to decision‐making on establishing the maximum water level for Lake Vegoritida

The water level in Lake Vegoritida, Greece, has undergone great changes over the past decades attributable to severe water abstraction directly from the lake and its catchment, which affected not only the conditions of the natural environment, but also social and economic conditions. The water level of the lake is currently rising, with discussion of an agreeable decision about the desired maximum lake water level becoming a source of conflict among the lake stakeholders. The present study provides a framework for a participatory management plan, with the perspective of engaging all levels of lake stakeholders in the process of deciding and establishing the maximum lake water level. Kolb's learning cycle is used as a methodological vehicle in the proposed process of participatory decision‐making. Its contribution to decision‐making includes (a) identification of lake stakeholders and the issues arising from a potential establishment of a maximum lake water level; and (b) three suggested water level scenarios to facilitate a future constructive discussion directed to establishing a maximum water level in Lake Vegoritida.     

基于BP神经网络的宁夏水资源需求量预测

利用宁夏2000-2010年的需水量数据,提取了人口数、GDP、工业总产值和降水量为主要影响因子,采用主成分分析法对影响水资源需求量的8个因子进行了分析。将此作为输入样本构建BP神经网络模型,用训练测试好的神经网络对2011和2012年水资源需求量进行了预测,预测结果为宁夏水资源规划管理提供参考。     

RBF与Elman在露天矿区地下水水质评价与预测中的应用

通过构建RBF与Elman网络模型,以归一化后的标准矩阵为训练样本,利用Matlab软件辅助,进行网络训练后分别对阜新海洲露天矿矿区地下水水质进行了评价与预测。结果表明:RBF与Elman预测结果基本一致,预测模型可以较好的反映出地下水质的变化状况;该矿区地下水的污染较为严重,总体为Ⅳ-Ⅴ类水质,主要污染因子为无机盐类。随着年限的增加,该区地下水的污染情况会越来越重。     

Privatization and water service provision in the United States: a recommendation for expanded oversight and the development and adoption of best practices

This paper provides an overview of privatization in the United States, with a focus on lessons learned and recommendations on how issues such as equity and sustainability should be addressed. It provides recommendations for an oversight of private operators that goes beyond financial controls and water contaminants to include environmental and social issues. It recommends that water service providers ensure that environmental and social issues are considered from the beginning in the development of contracts between municipal entities and private corporations.     

径向基函数网络在湖泊富营养化程度评价中的应用

本文建立了一个ＲＢＦ人工神经网络，并探索用于湖泊富营养化程度评价的可行性，同时 一种简便，快速的训练ＲＢＦ网络的最小二乘算法（ＲＢＦ－ＬＳ算法）在１２个湖泊富营养化程度评价中应用成果表明，本文提出了ＲＢＦ网络及其算法是合理，可行，能用的。     

城市水资源社会再生能力评价信息发布系统

提出以城市基础、工业用水、生活用水、农业及景观用水为社会再生能力评价指标;利用人工神经网络的方法,建立城市水资源社会再生能力评价模型。以黄河流域主要城市为例,进行水资源再生能力评价,并利用Web GIS建立了黄河流域主要城市水资源社会再生能力评价信息发布系统,将评价结果由互联网进行发布。通过对各城市水资源社会再生能力地评价及其结果分析,可了解各城市水务工作中的不足,为水资源开发利用政策的制定起辅助决策的作用。     

基于可持续能力和协调状态的水资源系统评价方法探讨

基于可持续理论、系统协调理论内涵,从区域资源条件、生态环境、水资源开发利用水平及经济社会现状要素相互耦合、共同支撑水资源系统的角度,应用压力-状态-响应模型(PSR模型)构建了区域水资源系统综合评价指标体系,借鉴前人研究成果提出了水资源系统可持续度、协调度概念及其定量表征方法,在此基础上提出水资源系统综合评价方法,并结合有关数据对2003—2013年辽宁省水资源安全形势演进态势进行实证分析。结果表明:1研究时段内辽宁省水资源系统可持续度呈整体上升趋势,自然因素导致资源子系统可持续度变化不稳定,其余3个子系统可持续度基本呈现逐年提升态势;2研究时段内辽宁省水资源系统协调度波动变化,是资源条件、生态环境、开发利用水平和经济社会发展因素的耦合导致子系统之间的协调关系不稳定;3在研究时段内辽宁省水资源系统安全等级逐渐提高,安全态势趋于好转。未来,有关部门应在加大自然资源和生态环境保护力度、提高水资源开发利用水平和促进区域经济与社会发展的基础上,努力探索区域水资源系统协调发展和统一管理的新思路和新方法,将水资源纳入区域可持续发展进行综合管理和优化配置,以期实现区域水资源系统和谐、可持续的发展目标。     

最严格水资源管理评价的神经网络模型及其应用

以云南省曲靖市最严格水资源管理评价为研究对象,提出了最严格水资源管理评价指标体系和分级标准,构建基于回归支持向量机(SVR)和径向基函数(RBF)神经网络的评价模型。利用层次分析法(AHP)从用水总量、用水效率、限制纳污与责任考核4个方面遴选出20个指标,构建最严格水资源管理评价指标体系和分级标准;采用随机生成和随机选取的方法在最严格水资源管理评价等级标准阈值间构造小容量训练样本和检验样本对SVR与RBF模型进行验证。利用SVR与RBF模型对实例进行评价分析。结果表明:1SVR与RBF模型具有较高的评价精度和泛化能力,可用于最严格水资源管理评价。2SVR与RBF模型对曲靖市2010、2015、2020和2030年最严格水资源管理评价分别为"不理想","较理想","理想"和"最理想"。     

区域水资源可持续利用预警的ANN模型

在构建区域水资源可持续利用预警指标体系的基础上,阐述了预警的方法,建立了区域水持续可持续利用预警的ANN模型,研究了区域水资源风险强弱程度,判断其可能的发展趋势和变化速度,寻求区域水资源可持续利用的对策。通过对实例的应用,表明模型的客观性和实用性。     

基于神经网络的宽浅型湖泊水质反演研究

城市浅型湖泊治理是城市生态文明建设的重要组成部分。通过对黄石磁湖的IKONOS遥感影像进行预处理,建立了水质参数与卫星波段的多元线性回归模型、BP神经网络模型和RBF神经网络模型。通过比较不同模型的结果,运用可靠模型对整个湖体的COD、NH3-N、TN、TP指标进行反演。结果表明,神经网络模型对于磁湖水质指标的反演结果显著优于多元线性回归模型,其中BP神经网络模型对NH3-N、TP的模拟效果好,RBF神经网络模型对COD、TN的模拟效果较好。     

BP神经网络在水资源承载能力预测中的应用

采用三层的BP神经网络结构,选取与水资源承载力密切相关的6个社会经济指标,根据1995～2004年10年时间序列指标数据,运用MATLAB中改进的BP神经网络算法建立了长春市水资源需求量预测模型,通过预测值和检验值的误差比较,表明预测模型的精度较高。参考长春市“十一五”规划期间的社会和经济发展目标,预测得到“十一五”期间长春市水资源需求量,对比现有供水能力,“十一五”期间水资源承载能力无法满足社会和经济的发展要求,为实现资源、社会和经济的协调发展,从开源和节流两个方面提出了水资源的可持续利用对策。     

泄洪雾化预测的人工神经网络方法探讨

为了预测高坝泄洪雾化引起的降雨强度分布,本文提出了一种基于人工神经网络的雾化预报模型。该模型将泄洪流量、入水流速、入水角度以及三维河谷地形坐标等作为输入变量,对相应河谷地形内的雾化降雨强度分布进行预测。研究中采用了径向基函数（RBF）网络建模,并且通过在其激发函数中引入Sign—d函数,构造一种混合RBF网络,以改善模型的稳定性和泛化能力。通过东江水电站雾化原型观测资料检验,证明该网络模型在求解泄洪雾化降雨的空间分布方面是适宜而有效的。     

内嵌神经网络的不确定水质模型研究

不确定水质模型研究是提高和认识水环境中各种不确定性因素常用的手段，目前水质不确定模型主要是增加一个外部观测量，通过对观测结果的回归分析或滤波来分析不确定性因素的影响。本文将神经网络内嵌到水质模型中，构成一个具有学习功能的不确定性水质模型，此模型能从内部感知各种不确定性因素的变化，实践证明此模型在对具有不确定性污染物排放的预测上具有较高精度。     

基于GRNN网络的苏州市水资源承载能力评价

基于最严格的水资源管理制度和水资源承载能力的内涵,重新确定水资源承载能力评价的指标体系,构建广义回归神经网络(GRNN)水资源承载能力评价模型,应用于苏州市水资源承载能力评价,并将评价结果与采用模糊综合评价的结果进行比较。结果表明:两种评价结果相符;结合用水总量控制、用水效率控制和限制纳污所建立的指标体系更加科学、更加符合经济社会的发展需求;苏州市水资源承载能力状况由2004年之前的较低水平逐渐恢复,这种变化与苏州市经济增长模式的转变和产业结构的调整密切相关。     

水权、水价对水资源管理的影响研究

在现代水资源管理体制中,水权是管理的法律依据,水价是管理的手段,水资源的优化配置与高效利用是目的.通过对水价和水权理论的研究,从水价和水权的角度来考虑造成目前水资源管理现状的原因,并进一步分析了水价及水权对水资源管理的影响及作用.