人工鱼群算法在湖泊富营养化综合评价中的应用

提出了一种对多项指标都能普遍适用的湖泊水质富营养化评价的逻辑斯谛模型,将人工鱼群算法应用于逻辑斯谛曲线模型中的参数优化,并用优化后的逻辑斯谛曲线模型对湖泊富营养进行综合评价。对我国5个湖泊富营养化实测数据进行评价实例研究,并与其他多种评价方法进行比较,结果表明该模型具有实用性和可行性。     

物元模型在湖泊水体富营养化评价中的应用

将湖泊的营养级别、评价指标及其特征值作为物元,对评价标准及实测数据进行归一化后,得到模型的经典域、节域、权系数及关联度,进而建立了湖泊水体富营养化评价模型,并将该模型应用到邛海富营养化综合评价中,为防治湖泊富营养化的进程提供了科学依据。     

湖泊富营养化综合防治的研究

由于人类生活和生产活动的影响给湖泊带来了日益严峻的富营养化问题,为了使湖泊恢复其应有的功能,必须对其进行综合治理.根据污染源的不同,采取相应的防治对策.按照湖泊富营养化与污染控制理论,富营养化防治埘策主要有控制污染源、生态修复和管理对策.     

新疆北疆地区主要湖泊富营养化状态评价

北疆是新疆生产力高度集中的区域,掌握北疆湖泊水质变化规律,对实现新疆绿洲区水资源的合理开发、有效保护、综合治理及生态环境的修复有着重要的现实意义.文章选取北疆5个典型湖泊,采用营养状态指数法分析2002--2012年水质营养状况,结果显示：在评价的5个湖库中,除了赛里木湖和艾比湖,其余3个湖库均出现富营养化.     

湖泊富营养化综合评价的距离测度模型

湖泊富营养化评价标准中的分级指标为区间数.区间的下界点值和上界点值差异很大.近似呈指数变化.基于该认识,提出了一个湖泊富营养化综合评价的新模型--相对距离测度模型(RDMM).首先,对评价标准分级指标界值及待评湖泊水质指标值进行对数变换,以降低评价系统的非线性化程度:其次,定义评价标准与待评湖泊单一指标之间的相对距离测度,利用兼顾功能性与协调性的评价函数及Monte Carle模拟计算综合相对距离测度.综合距离测度最小值对应的类别即为待评湖泊的富营养化程度.文中给出了由5个湖泊组成的富营养化综合评价实例.     

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。     

富营养化湖泊生态恢复关键技术

湖泊富营养化已经成为一个日趋严重的全球性环境问题,引起了社会各界的广泛关注与重视。目前,富营养化湖泊生态系统恢复采用的技术主要有：底泥疏浚、引流冲污、人工曝气复氧、微生物修复技术、水生植被修复技术、生物操纵修复技术等。其中生物治理技术将在富营养化湖泊生态系统恢复中发挥重要的作用。     

基于属性识别模型的湖泊富营养化评价

为合理地确定湖泊的富营养化状态,从属性识别理论出发,建立了湖泊富营养化评价的属性识别模型,并结合熵权法确定的权重系数对东昌湖的富营养化状态进行评价。评价结果为各湖区全年均属于富营养化级别,并且7月份的富营养化程度最高,12月份次之,4月份最低,这与集对分析法和模糊识别方法评价的结果一致。表明该模型的评价结果是合理的;同时该模型简便、易懂,可作为湖泊富营养化评价的一种可行方法。     

五元联系数在长江下游生态航道评价中的应用

针对生态航道评价中存在的模糊、不确定性问题,基于集对分析理论和层次分析法,建立了五元联系数模型,根据生态航道评价指标体系各指标与等级标准的联系程度,构造联系度公式,结合层次分析法计算各评价指标的权重,运用该模型开展了长江下游南京-浏河口段生态航道评价,结果表明,南京-浏河口段生态航道等级为Ⅲ级,其中航运功能、自净功能和景观娱乐功能为Ⅰ级,生态功能为Ⅳ级,需要结合该河段实际情况加强生态环境保护工作。敏感性分析表明,功能层权重的小幅度波动不会对评价结果造成较大影响,说明对该河段的评价结果比较稳定。     

基于熵权的五元联系数在地下水水质评价中的应用

针对地下水水质评价中存在的模糊、不确定性问题,结合熵权法和集对分析理论,建立了基于熵权的五元联系数集对模型.根据水质样本各指标与各等级标准的联系程度,构造联系度公式,结合信息熵计算各评价指标的权重,对地下水水质进行综合评价.通过对咸阳市泾阳县4个观测井水质的综合评价,说明了五元联系数集对模型在地下水水质评价中的可行性和有效性.     

一种改进的集对分析法在湖泊富营养化评价中的应用

将构建的湖泊富营养化评价标准集合和"比较标准"集合组成一个集对,并针对集对分析中联系数表达式的差异度系数i取值的不确定性,采用遗传算法对i的取值进行优化。将优化后的集对分析联系数表达式用于我国若干湖泊富营养化评价,其评价结果与用其他多种方法的评价结果基本一致,亦与湖泊富营养化实况相符合,为i值的确定和湖泊富营养化评价提供了一种可行的方法。     

湖泊富营养化数学模型研究进展

随着经济发展,水污染日益加剧,水体污染最突出的问题是富营养化.联合国环境规划署(UNEP)的一项调查表明,全球范围内30%～40%的湖泊和水库都有不同程度富营养化.湖泊富营养化通常呈现发展快、危害大、治理难、修复历时长等特点,而数学模型可以综合反映系统特征,因此建模是湖泊管理中特别有用的手段.综述了国内外湖泊富营养化数学模型的研究进展情况.将模型按照从简单到复杂分为4种类型分别进行评述,概述了各类模型的发展情况、优缺点及发展趋势.最后指出湖泊富营养化数学模型的发展趋势.     

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.     

云南典型高原湖泊富营养化及其生态修复研究

始于70年代末80年代初的湖泊富营养化问题,严重阻碍了云南社会经济发展,继而引起了人们极大地关注。已有的研究从富营养化特征、机制、演化以及生态、工程修复等方面进行了相关探究,其1980—2010年湖泊水体总磷、总氮、透明度、叶绿素、生化需氧量及营养状况指数等均指示和记录了近30年来云南典型高原湖泊富营养化特征及演化过程。在系统总结前人研究成果的基础上、基于云南高原湖泊富营养化的典型性与差异性、富营养化演化及其修复现状的背景下认为:近年来富营养化水体水质好转大多只是季节性或区域性迹象,云南高原湖泊整体上乃处于持续的富营养化和污染状态,部分湖泊因为周边农业用地和建设的扩展已经导致湖泊处于不可恢复状态,抚仙湖、阳宗海等湖泊周边因开发需水量大,导致湖泊水位出现快速下降和湖容大量减少。进一步对云南高原典型富营养化湖泊开展更大时间尺度的研究,特别是湖泊变化机理的研究和趋势预警的升级是今后努力的重点和方向。     

支持向量分类机在湖泊富营养化评价中的应用

支持向量机是建立在统计学理论和结构风险最小化准则的基础上,能较好地解决小样本、非线性、高维数及局部极小点等实际问题的新型机器学习方法.利用支持向量分类机算法,构建湖泊富营养化评价模型并应用于具体实例.结果表明,支持向量分类机能正确客观地对湖泊富营养化程度进行等级评价,并且计算简洁,快速和保证有较好的泛化性能.