支持向量机在湖库营养状态识别中的应用

依据我国湖库富营养化评价标准和支持向量机（SVM）原理及方法,构建基于交叉验证（CV）的CV－SVM湖库营养状态识别模型,采用随机内插的方法在各分级标准阈值间生成训练样本和测试样本,在达到预期识别精度后将模型运用于全国24个湖库营养状态的识别,并与投影寻踪法、评价指标法和神经网络评价法的识别结果进行比较。结果表明：基于线性核函数的CV－SVM模型对于随机生成的训练样本和测试样本的正确识别率分别达到97.8％和97.3％（5次平均）,对全国24个湖库营养状态的识别结果与采用投影寻踪法、评价指标法和神经网络评价法的识别结果基本相同,模型具有泛化能力强、识别精度高、收敛速度快、不易陷入局部极值等特点。     

基于等效数值评价法的湖库营养状态评价分析

根据国家湖泊(水库)营养状态评价标准及分级方法,运用等效数值评价法,建立湖库营养状态综合评价的等效数值模型,以云南省9大高原湖泊为例,对滇池等湖泊营养状态进行综合评价,并与主成分分析法及指数评价法评价结果作对比分析.结果表明该模型满足评价精度要求,是一种湖库营养状态综合评价的新方法.     

基于CEEMDAN与RNN算法的离心泵空化状态识别研究

离心泵在发生空化时会产生蕴含特征信息的噪声信号,且随着空化程度的增加,噪声信号特征也会发生变化。该文针对离心泵空化状态识别的问题,提出了一种基于完全自适应集合经验模态分解(CEEMDAN)算法和循环神经网络(RNN)相结合的离心泵空化状态识别方法。通过空化性能试验获取不同空化状态的噪声信号数据,并进行频域分析获取其特征频段范围;引入CEEMDAN算法对信号数据进行分解获得相应的固有函数模态(IMF)分量,选取峭度较大的分量进行频域分析,并选择符合特征频段的分量进行功率谱熵计算以构造特征向量集合,发现空化与非空化状态下,功率谱熵值区分明显,在非空化时均值为0.55,空化时均值为1.05。最后将特征分量集合输入循环神经网络完成模式识别,选取最优模型。验证实验数据分析表明：采用CEEMDAN和RNN算法相结合的模型可以有效提取离心泵空化噪声的特征并进行空化状态识别,最高识别率达92.4%,为离心泵故障诊断提供了新的方法。     

湖库营养状态评价方法及适用性分析

富营养化是我国湖泊、水库当前面临的主要水环境问题,营养状态评价方法是识别湖库营养状态和水污染程度的主要技术手段。本文采用行业主管部门颁布的湖库营养状态评价方法,以北京市密云水库和昆明市滇池为例,对比分析了综合营养状态指数和营养状态指数2种评价方法下的湖库营养状态评价结果。从不同评价方法的特点和实例的评价结果差异归纳总结了综合营养状态指数法和营养状态指数法的适用性特征,提出湖库水体营养状态指数评价方法选择的基本原则,可为湖泊、水库营养状态评价的规范化管理提供科学依据。     

离散Hopfield神经网络在湖库营养状态评价中的应用——以全国24个湖库富营养化等级评价为例

基于离散Hopfield神经网络联想记忆特性,建立了湖库富营养化等级综合评价模型,对全国24个湖库进行富营养化等级综合评价,并与文献投影寻踪法、评分指标法和LM-BP网络法的评价结果进行比较。结果表明:①离散Hopfield神经网络运用于湖库营养化等级评价具有简单、直观,容易实现等优点,其评价结果令人满意;②一般离散Hopfield神经网络并非适用于任何富营养化等级评价,当评价对象单项指标(因子)间存在较大差异时,对象将得不到正确的评价。     

几种神经网络模型在湖库富营养化程度评价中的应用

基于我国湖库富营养化评价标准和RBF、GRNN、BP、Elman神经网络算法原理,分别构建RBF等4种神经网络湖库富营养化等级评价模型,采用内插法构造网络训练样本,把我国湖库富营养化评价等级临界值作为评价样本进行“预测”,将“预测”结果作为湖库富营养化程度评价等级的划分依据,对全国24个主要湖库富营养化程度进行评价。结果表明：RBF、GRNN、BP、Elman神经网络模型对全国24个主要湖库富营养化程度评价结果基本相同,表明研究建立的RBF等4种神经网络湖库富营养化程度评价模型和评价方法均是合理可行的,其评价精度高,可为湖库富营养化程度评价提供新的途径和方法。同BP和Elman网络算法相比,RBF与GRNN神经网络模型不仅对湖库富营养化程度评价结果完全相同,且模型具有收敛速度快、预测精度高、调整参数少(只有SPREAD参数),不易陷入局部极小值等优点,可以更快地预测评价网络,具有较大的计算优势。     

湖库水温计算方法及结果分析

对湖库水温计算经验公式法和数学模型法进行了详细介绍,将两种方法分别用于三峡水库香溪河库湾水温计算中,发现采用经验公式法与数学模型法计算结果与实测值相比的RMSE分别为1.063 ℃和0.349 ℃,因此数学模型法比经验公式法计算精度高。另外,经验公式法仅能给出水温沿垂向的变化,本文所建立的水温与水动力相互耦合数学模型能够全面描述研究区域的三维水温分布特性。     

基于FAHP-EWM-TOPSIS的大坝风险识别模型

根据大坝实际运行状况,通过风险属性指标对大坝主要风险源进行准确判断是目前大坝风险分析与管理的难点和重点。针对风险指标具有模糊性和不确定性的特征,提出一种基于FAHP-EWM-TOPSIS的大坝风险识别模型,即运用模糊层次分析法和熵权法分别确定评价指标的主观权重和客观权重,利用欧几里得距离求得最佳组合权重,结合TOPSIS决策矩阵对风险因子进行排序,识别主要风险源。结果表明:影响某混凝土坝安全运行的主要风险问题是两岸渗流和坝体渗流,相对贴进度分别为0.842 3和0.682 5,建议后续针对主要风险因子采取相应措施。对比其他模型,本模型的离散性较大,区分度明显,更具有说服力。研究成果为大坝风险识别提供一种新的方法,对未来大坝风险管理具有一定参考价值。     

基于熵权法赋权的TOPSIS法评价水体营养类型

该文介绍基于熵权法赋权的多目标TOPSIS法的原理及算法步骤,分析1998年-2002年福州第二水源山仔水库的监测数据表明,该评价方法与其它评价方法吻合,并能对评价结果进行综合排序,可用于水环境质量评价。     

基于生物操纵的富营养化湖库蓝藻控制实践

介绍了复旦大学研究团队负责实施的基于生物操纵的3个湖库蓝藻控制成功案例,总结了取得成功的共性理念和关键技术,重点涉及"内外共生源"的概念及其放大作用、控制蓝藻水华对治理湖库富营养化的作用、经典和非经典生物操纵技术的协同作用、从冬季开始的生物持续控藻在富营养化湖库水华控制中的作用、食藻动物的科学投放,以及滤食鱼类粪便二次污染控制的重要性等。     

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。     

崂山水库浮游植物的季节变化及水体营养状态

为掌握崂山水库水质状况,2008年对崂山水库水体理化指标、浮游植物群落结构和细胞密度进行了监测。监测结果为:共检出浮游植物7门45属62种,其中种类最多的是绿藻和硅藻,分别占总种数的48.39%和27.42%。浮游植物群落结构季节变化明显,3月份硅藻种类最多,7月、8月和10月绿藻种类最多。库区优势种为鱼腥藻(Anabaena Bory.)、实球藻(Pandorina morum Bory.)、隐藻(Crytomonas Ehr.)、小环藻(CyclotellaKtz.)。水库浮游植物的四季平均细胞密度为12.8×105个/L,8月份最高,达到40.5×105个/L。叶绿素a的质量浓度年均值为7.05 mg/m3,综合营养状态指数为50.6。总体来看,水库水体已经呈现中营养向轻度富营养化转化的趋势。     

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.     

基于湖心水库的洞庭湖治理新理念

基于"湖心水库"的基本思想,提出"变湖为库、清污分流、蓄洪排污、流水不腐"的洞庭湖全新治湖理念。利用二维水动力模型,分析了西洞庭湖湖心水库建设对行洪、补水、水环境的影响,探讨其运用的可行性。结果表明:湖心水库的分洪蓄水能有效降低西洞庭湖内洪峰水位,缓解湖区的防洪压力;湖心水库的补水在枯水期能有效抬升开湖航道水位,改善通航条件;同时湖心水库的补水增大了开湖航道及湘江尾闾航道内水流流速,加速了水体交换,对洞庭湖水环境有利。     

基于MODIS影像的洞庭湖枯水期总磷营养状况监测研究

为了解洞庭湖区枯水期的水体总磷的污染情况,利用MODIS反射率与同步的总磷(TP)浓度实测数据进行相关性分析,得出最优波段组合b1-b5。建立了三次多项式反演模型,并运用模型反演得到2005、2009及2013年枯水期3期洞庭湖区总磷的分布图,湖区水体主要以Ⅳ类水质和Ⅴ类水质为主,进一步采用以TP为基准的修正营养指数(TSIM)公式得出洞庭湖区的营养状态分布情况。结果表明:2005-2013年洞庭湖水体营养指数呈现略下降又上升的趋势。洞庭湖区湖水趋于富营养化状态,且东洞庭湖最严重,南洞庭湖次之,西洞庭湖最轻,洞庭湖湖体水质劣于入湖口水质。     

基于MATLAB的神经网络在湖泊富营养化评价中的应用

以MATLAB为工具,建立评价湖泊水体富营养化状态的BP神经网络模型,应用此模型对我国9个湖泊富营养化程度进行评价。将此评价结果与用分级评分法、模糊数学法、Fuzzy Grey决策法的评价结果进行比较分析,得出较一致的结论。同时表明用MATLAB构建神经网络简洁、高效,具有更好的通用性和实用性。     

基于BP神经网络模型的水库塌岸预测研究

考虑水库塌岸预测的非线性,构建基于BP神经网络模型的水库塌岸非线性预测模型,以漳河流域内岳城水库为研究对象,结合野外实地勘察数据,对岳城水库塌岸进行预测。研究结果表明:所建水库塌岸非线性预测模型预测结果与实际情况较为吻合,预测的左右岸水库塌岸和实地调查塌岸相对误差分别为1.92%和2.15%,岳城水库左右岸塌岸宽度预测平均值分别为31.8m和36.9m;水库下游预测塌岸速度小于1m/a,中上游塌岸速度大于1m/a,下游库岸态势较为稳定,中上游塌岸趋势将加剧。研究成果对于水库塌岸非线性预测及岳城水库塌岸防治和岸坡加固设计提供参考价值。     

金沙江白格堰塞湖处置中水库应急调度经验与启示

2018年10、11月金沙江四川、西藏交界的白格村接连发生两次山体滑波并引发堰塞湖险情。长江水利委员会按照水利部统一部署,及时启动应急响应,科学分析堰塞湖洪水风险,提前研究工程处置方案,科学调度金沙江中游水库,为成功处置这两次堰塞湖险情提供了强有力的技术支撑。详细介绍了溃坝洪水演进过程,以及在处置"11·3"堰塞湖洪水期间,提出的针对堰塞体溃决前后两阶段四步走的腾库实施方案。通过优先使用梨园、阿海、金安桥水库拦蓄洪水,金沙江中游梯级水库约腾出13亿m~3库容消纳溃坝洪水,将金沙江上游万年一遇洪水消减为一般洪水,全力保障下游水库安全,成功实现堰塞湖应急处置。