本文選題：水華 + 風險概率��； 參考：《中國環(huán)境科學》2017年05期

【摘要】：針對城市內(nèi)湖水華產(chǎn)生過程存在復雜性、時變性、不確定性等特點,運用內(nèi)集-外集、粗糙集約簡和RBF神經(jīng)網(wǎng)絡(luò)模型,通過水華藻生物量閾值界定、風險概率計算、預警等級劃分、預警因子識別和神經(jīng)網(wǎng)絡(luò)預測模型的研究,提出一種城市內(nèi)湖水華預警綜合建模方法.以天津清凈湖為例,利用p H值、水溫等12項水質(zhì)指標監(jiān)測數(shù)據(jù),確定清凈湖水華的葉綠素a濃度閾值為70.98?g/L,依據(jù)水華風險概率劃分5個水華預警等級,并確定水溫、溶解氧、高錳酸鹽指數(shù)和TDS為水華預警因子.利用RBF神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建清凈湖水華預警模型,驗證結(jié)果顯示,模型預測精度達85.7%,表明該方法能較好地用于城市內(nèi)湖水華預警模型構(gòu)建.
[Abstract]:In view of the complexity, time variability and uncertainty in the process of water bloom generation in urban lakes, the risk probability was calculated by means of Shui Hua biomass threshold, rough set reduction and RBF neural network model. This paper presents a comprehensive modeling method for early warning of lake blooms in cities by studying the classification of early warning grades, the recognition of early warning factors and the prediction model of neural network. Taking Qingjing Lake in Tianjin as an example, using the monitoring data of 12 water quality indexes, such as pH value and water temperature, the threshold value of chlorophyll a concentration in Qingjing Lake water bloom is determined to be 70.98 g / L, and five Shui Hua warning grades are classified according to the risk probability of Shui Hua, and the water temperature and dissolved oxygen are determined. Permanganate index and TDS were Shui Hua warning factors. The early warning model of Qingjing lake water bloom is constructed by using RBF neural network technology. The results show that the prediction accuracy of the model is 85.7, which indicates that this method can be used to construct the early warning model of lake water bloom in city.
【作者單位】： 天津城建大學環(huán)境與市政工程學院;天津市水質(zhì)科學與技術(shù)重點實驗室;
【基金】：天津市自然科學基金(15JCYBJC49100) 天津水質(zhì)科學與技術(shù)重點實驗室開放基金(TJKLAST-ZD-2015-01)
【分類號】：X524

【相似文獻】

相關(guān)期刊論文 前10條

1 李少華,董向元,于靜梅;基于神經(jīng)網(wǎng)絡(luò)的大氣污染預報方法的研究[J];東北電力學院學報;2003年04期

2 馮利華;張行才;;神經(jīng)網(wǎng)絡(luò)在環(huán)境質(zhì)量評價中的問題[J];微計算機應(yīng)用;2008年02期

3 王芳;程水源;李明君;范清;;遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)用于大氣污染預報[J];北京工業(yè)大學學報;2009年09期

4 王德喜;王曉凱;王小藝;;基于灰色-神經(jīng)網(wǎng)絡(luò)的城市湖庫水華預測研究[J];測試技術(shù)學報;2013年04期

5 郭慶春;何振芳;李力;;人工神經(jīng)網(wǎng)絡(luò)在黃河水環(huán)境質(zhì)量評價中的應(yīng)用[J];河南科學;2012年07期

6 王燦星,候樹強;杭州市區(qū)大氣中PM_(10)等污染物的預測研究[J];儀器儀表學報;2004年S1期

7 崔明;馬國建;;神經(jīng)網(wǎng)絡(luò)在渤海灣富營養(yǎng)化模型中的研究[J];山西建筑;2011年15期

8 周建康,熊亞南,朱春龍;基于MATLAB下BP網(wǎng)絡(luò)在河流污染物濃度預報中的應(yīng)用[J];水利水電技術(shù);2004年09期

9 國鋒;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的赤潮預警[J];信息化縱橫;2009年18期

10 楊文娟;;神經(jīng)網(wǎng)絡(luò)和主元分析—神經(jīng)網(wǎng)絡(luò)軟測量技術(shù)在污水處理系統(tǒng)中的應(yīng)用[J];地球科學與環(huán)境學報;2008年01期

相關(guān)會議論文 前9條

1 牛東曉;王海峰;成功;;基于BP神經(jīng)網(wǎng)絡(luò)的河北省大氣環(huán)境質(zhì)量評價[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

2 余新新;肖新平;劉小燕;宋婭莉;魏利軍;朱曉明;鄭龍;;神經(jīng)網(wǎng)絡(luò)技術(shù)在水質(zhì)量控制系統(tǒng)中的應(yīng)用研究[A];第六屆中國青年運籌與管理學者大會論文集[C];2004年

3 鄭勇明;吳信民;張葉;楊亞新;;BP神經(jīng)網(wǎng)絡(luò)方法在鈾礦山輻射環(huán)境評價中的應(yīng)用研究[A];中國核科學技術(shù)進展報告（第二卷）——中國核學會2011年學術(shù)年會論文集第5冊（輻射防護分卷、核化工分卷）[C];2011年

4 邱海源;趙汝榮;白振炎;陳琦;鄭武杰;黃金蓮;;粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)生態(tài)評估界限模型[A];中國地質(zhì)學會2013年學術(shù)年會論文摘要匯編——S16礦山地質(zhì)環(huán)境防治研討會分會場[C];2013年

5 王燦星;祁國偉;何曦;卓國祥;;BP神經(jīng)網(wǎng)絡(luò)用于大氣中顆粒物(TSP)預測的研究[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

6 張穎穎;侯廣利;劉巖;范萍萍;;基于時間序列神經(jīng)網(wǎng)絡(luò)的水質(zhì)預測方法研究[A];中國海洋學會2013年學術(shù)年會第14分會場海洋裝備與海洋開發(fā)保障技術(shù)發(fā)展研討會論文集[C];2013年

7 朱憲春;樂群;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的pm_(10)API指數(shù)預報[A];第七屆長三角氣象科技論壇論文集[C];2010年

8 王燦星;祁國偉;何曦;卓國祥;;BP神經(jīng)網(wǎng)絡(luò)用于大氣中顆粒物(TSP)預測的研究[A];首屆信息獲取與處理學術(shù)會議論文集[C];2003年

9 鐘進;唐宇;李建華;朱曉彥;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的企業(yè)環(huán)境行為的信用評價[A];2014中國環(huán)境科學學會學術(shù)年會（第三章）[C];2014年

相關(guān)博士學位論文 前2條

1 陳柳;小波分析和神經(jīng)網(wǎng)絡(luò)應(yīng)用于大氣污染預測的研究[D];西安建筑科技大學;2006年

2 徐華;空氣污染和水污染的管理方法模型[D];南京理工大學;2009年

相關(guān)碩士學位論文 前10條

1 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應(yīng)用[D];昆明理工大學;2015年

2 夏小鵬;基于ESN模型的北京市PM2.5日均濃度污染等級預測與時空分布分析[D];中國地質(zhì)大學(北京);2015年

3 劉子翔;基于GA和LM算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在域市空氣質(zhì)量預n,中的應(yīng)用研究[D];山東大學;2015年

4 龔雪飛;基于集成神經(jīng)網(wǎng)絡(luò)的多元有害氣體定量檢測方法研究[D];寧波大學;2015年

5 王麗丹;基于尖峰自組織遞歸RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量研究[D];北京工業(yè)大學;2015年

6 謝超;華北西部地區(qū)典型城市環(huán)境污染特征、變化規(guī)律、環(huán)境氣象相關(guān)性及預測研究[D];北京工業(yè)大學;2015年

7 劉會文;基于模糊綜合評價和BP神經(jīng)網(wǎng)絡(luò)的景觀河道水質(zhì)評價研究[D];河北工業(yè)大學;2015年

8 潘婷;時序分析法在碳價市場預測與分析上的應(yīng)用[D];湖南師范大學;2015年

9 成華義;GA-PSO-BP神經(jīng)網(wǎng)絡(luò)在大氣污染物濃度預測中的應(yīng)用研究[D];華中科技大學;2014年

10 姚雪;基于相容粗糙集的神經(jīng)網(wǎng)絡(luò)濕地遙感分類研究[D];沈陽農(nóng)業(yè)大學;2016年

，

本文編號：1978421