导读:本文包含了水质建模论文开题报告文献综述及选题提纲参考文献，主要关键词:污水处理,模型,参数估值,预测
水质建模论文文献综述
柴伟,郭龙航,池彬彬[1]（2019）在《污水处理厂出水水质变量区间预测建模》一文中研究指出为了实现污水处理厂的有效运行,需要建立能够精确描述水厂行为的模型。根据水厂入水和出水数据,采用径向基函数神经网络建立污水处理过程模型。考虑到建模误差有界,使用参数线性集员辨识算法分别得到隐含层到输出层各神经元连接权值向量的不确定集合描述。与现有的单输出区间预测模型相比,该模型能够根据水厂入水数据同时给出多个出水水质变量的置信区间。这些区间能表征出水变量的存在范围,从而实现水质变量的可靠估计,进而评估出水水质或水厂性能。此外,还将此出水区间预测模型用于污水处理厂的故障检测与隔离,以提高水厂运行的可靠性。实验结果表明文中所提方法的有效性。(本文来源于《化工学报》期刊2019年09期）
林国敏[2]（2019）在《典型喀斯特流域坡地景观特征对河流水质影响及建模研究》一文中研究指出在喀斯特地区,山势陡峭、地表坡降大,较大的地表坡降会使得地表景观中的污染物因地势加倍迁移到河水中,因此在不同坡度等级上研究景观特征对河流水质的影响及建模更有实际意义。本文以典型喀斯特流域赤水河中上游为研究区,综合利用野外水质采样数据、遥感和地理信息系统技术方法,提取研究区不同坡度等级的景观特征,探讨坡地景观特征与河流水质参数的关系,并以经典线性统计模型和人工神经网络模型为桥梁,针对不同的水质参数建立“最佳”的坡地景观特征-水质响应模型,得到的相关成果如下:(1)研究区的景观组成主要以林地、灌草、耕地及建设用地为主。无论是子流域尺度还是缓冲区尺度,坡景观(6°~25°)均以坡林地、坡灌草、坡耕地以及坡建设用地为主;陡坡景观(﹥25°)均以陡坡林地和陡坡灌草为主。从土地利用综合指数来看,在子流域和缓冲区两个研究尺度上,人类活动对平地景观的开发强度均最大(235,246),对坡景观次之(218,223),对陡坡景观最小(90,207),而其中,人类活动对坡景观的开发强度(216)几乎与对总体景观的开发强度(219.84)相当。从景观格局来看,在景观水平上,由坡景观到陡坡景观,斑块的破碎度、多样性以及分离度减小,斑块形状更规则,景观类型之间连续性增强。在景观类型水平上,坡林地和陡坡耕地的斑块形状较为复杂,陡坡灌草的斑块形状相比坡灌草更为不规则。(2)在景观组成上,总磷(TP)在子流域尺度和500m缓冲区尺度与坡地景观特征的相关性均比较明显,其在子流域尺度与坡林地和总林地呈显着负相关(-0.556,-0.540),这是由于占坡地景观面积50%以上的坡林地通过入渗、植物根部的生物吸收作用滞留、吸附磷元素,从而阻碍了污染物的传输;TP还与坡灌草和坡建设用地呈显着正相关(0.656,0.566),说明若不划分坡度等级,坡灌草对河流水质的“源”作用将会被掩盖。总氮(TN)仅在子流域尺度与坡耕地和总耕地呈显着正相关(0.616,0.492),说明氮肥的施用加上严重的坡耕地水土流失增加了研究区河流中TN的含量。氨氮(NH_(4+)-N)在缓冲区尺度与坡林地呈显着负相关(-0.479),然而与陡坡林地呈显着正相关(0.402)。坡度越陡,土壤的稳固能力越差,林地根部对氮素的吸附能力也越差,再加上陡坡林地中包含了施用氮肥的经果林,因此使得NH_(4+)-N与陡坡林地呈显着正相关。而NH_(4+)-N与总林地相关性不明显也表明,若不划分坡度等级,陡坡林地对NH_(4+)-N呈现的“源”作用会被坡林地对NH_(4+)-N呈现的“汇”作用掩盖。NH_(4+)-N与平地耕地、坡耕地及总耕地呈显着负相关(-0.727,-0.628,-0.637),与陡坡耕地相关性不显着,这是因为土壤颗粒、土壤胶体以及农作物对NH_(4+)-N的吸附作用强,阻滞了污染物向河流水体的传输。此外NH_(4+)-N与坡灌草、坡建设用地和陡坡建设用地呈显着正相关(0.429,0.405,0.494),说明坡地建设用地和坡灌草呈“源”景观,故合理控制坡地建设用地面积对改善河流水质有积极作用。(3)在景观水平上,随着景观斑块破碎度值(PD)的增加(PD_(陡坡)8.65、PD_总12.23、PD_坡20.22),TP与PD的相关性增强(0.507,0.593,0.623),同时随着平均斑块形状指数值(SHAPE-MN)的增加(SHAPE-MN_(陡坡)1.19、SHAPE-MN_坡1.25、SHAPE-MN_总1.37),NH_(4+)-N与平均斑块形状指数的相关性也增强(0.516,0.654,0.761),说明较高的景观破碎度和越不规则的斑块形状对河流水质的负影响很大。(4)在景观类型水平上,TP在缓冲区尺度与坡建设用地最大斑块指数(LPI)和坡建设用地SHAPE-MN呈显着正相关(0.498,0.557),在子流域尺度与坡灌草SHAPE-MN和坡建设用地SHAPE-MN呈显着正相关(0.529,0.567),即TP对坡建设用地的斑块复杂程度和聚集度以及坡灌草的斑块形状复杂程度比较敏感。NH_(4+)-N在缓冲区尺度与坡林地形状指数(LSI)及陡坡林地LSI呈显着负相关(-0.721,-0.691),与坡耕地LSI和陡坡耕地LSI呈显着负相关(-0.705,-0.644),即随着坡度的增加,林地和耕地的斑块形状越复杂,与NH_(4+)-N的相关性越低,其对NH_(4+)-N的吸附能力越弱。另NH_(4+)-N在子流域与陡坡建设用地LPI呈显着正相关(0.749),这和NH_(4+)-N与陡坡建设用地呈显着正相关的结论一致。(5)坡地景观特征对河流水质的综合影响复杂,经典的线性统计模型难以将坡地景观特征对河流水质的影响表达清楚,本研究通过引入具有自适应、自学习、自组织和非线性映射功能的人工神经网络模型模拟坡地景观特征对水质的影响取得了较好的效果。其中BP神经网络模型是TN和TP的“最佳”坡地景观特征-水质响应模型,参与TN建模的坡地景观特征是坡耕地及坡耕地IJI,与经典线性统计模型相比,BP神经网络模型的判定系数提升到0.923,平均相对误差值降低到14.30%,平均绝对误差降低到0.332。参与TP建模的景观特征有坡耕地IJI及总耕地,模型的判定系数提升到0.960,平均相对误差降低到16.06%,平均绝对误差降低到0.006。(本文来源于《贵州大学》期刊2019-06-01）
贾洁,苏婷立,王小艺,赵峙尧[3]（2019）在《关于水质污染准确评估建模研究》一文中研究指出采用传统试算法对河湖水质模型进行参数率定时,存在运算复杂、耗时多等问题,且对于不同水体水质模型需要重新试算,导致模型参数值率定结果出现偏差,进而影响建模和评估的有效性和适用性。提出一种基于非线性最小二乘法和改进模糊综合评价的河湖水质精确评估方法。通过提取WASP模型中富营养化模块的水质指标演化机理,利用非线性连续微分方程构建河湖水质演化机理动力学模型,结合实际水质采集数据,采用非线性最小二乘法对模型参数进行优化率定,实现对河湖水质演化的精确建模;在所构建的水质演化机理动力学模型基础上,提出基于改进模糊综合评价法的水体污染评价方法,利用北海水质监测数据进行了模型的有效性验证。仿真结果表明:水质指标仿真值与实测值吻合较好,可以有效实现水体污染综合评价,与传统试算法相比,具有更好的精确性和适用性。(本文来源于《计算机仿真》期刊2019年02期）
蒋锦刚[4]（2018）在《沿海典型流域水文—水动力—水质多模型耦合建模与应用》一文中研究指出甬江水系是浙江省八大水系之一,位于浙江省东部沿海,杭州湾之南。是宁波市的母亲河,随着宁波市经济和人口的快速发展,甬江流域尤其是中下游地区河流水体水质与水生态环境恶化问题较为突出,解析甬江流域污染排放与水体水质响应之间的关系,为水环境综合治理和可持续发展服务,需要科学的理解甬江流域水文循环规律,水体迁移转化特点。同时甬江流域的水系组成十分复杂,既有山区河流,也有平原河网,更有感潮型入海河流,迫切需要能够耦合解析各种复杂水文-水动力-水质关系的系统模型。甬江流域水文-水动力-水质的建模,需要联合分布式水文模型,一维河流水动力-水质模型和多维水动力水质模型,实现该复杂流域水文过程与水体环境的解析与模拟。多模型耦合的优势是可以充分发挥各个模型的特长,耦合的关键是各个模型计算结果间的信息传递与交互。模型的参数率定和耦合形式的优化、不确定分析是耦合过程的难点和关键科学问题。模型的参数率定需要先验的观测数据参与,连续实测数据的质量控制是提高模型精度的前提和保障,以连续实测数据的差分序列平稳性假设为前提,提出了利用滑动窗口技术、Dixon检测准则和统计查找表实现序列中异常数据的检测,对异常数据的重构则采用窗口内正常数据集的加权插值结果代替异常值,实验结果表明:该方法可以对异常数据进行有效检测和重构处理,且充分保留了正常数据的测量结果。在连续实测数据质量控制的基础上,结合甬江流域的地理、土壤和工农业排污数据,通过水文过程的自上而下的特点,将不同模型模拟的水量与水质负荷、浓度信息进行传递,实现各个模型间的耦合。利用L-THIA模型实现流域产水量与面源负荷的测算,利用QUAL2K实现山区河流与平原河流的水动力-水质解析,对于更加复杂的甬江干流水体,采用了 EFDC模型进行了建模与解析。通过模型参数的率定和验证,各模型间的耦合效果良好。最后根据甬江流域的降雨特点,设计了 90%的枯水年、75%的干旱年、50%的正常年水文情景,利用模型率定的参数信息实现水体浓度的模拟,并计算出对应的水体环境容量与纳污能力,为科学指导流域的水环境管理、总量控制与污染削减方案的制定提供科学的依据。(本文来源于《浙江大学》期刊2018-06-01）
张连龙[5]（2018）在《大菱鲆集约化养殖水质参数建模方法研究》一文中研究指出海洋资源种类繁多,是各国研究的重点方向,渔业资源是开发利用最早的一种海洋资源,但由于面临海洋捕捞能力过剩和近海渔业资源衰退的现实,开发海水养殖技术成为研究的热点。其中集约化循环水海水养殖技术具有环境友好,生产可控,操作简单,管理方便等优势,是我国水产养殖业的主要发展方向之一。良好的养殖水环境是水产养殖的基础,因此,对养殖水环境进行实时在线监测能够有效提高养殖的效益,更好的控制养殖的过程,降低养殖污染的排放。但由于测量技术手段和测量成本等原因的限制,致使如水中氨氮含量等水质参数在线实时监测难以实现。针对上述问题,通过本课题组自主研发建立的基于可编程逻辑控制器(Programmable Logic Controller,PLC)与视窗控制中心(Windows Control Center,WinCC)的实验室集约化循环水海水养殖系统,以大菱鲆为例,基于软测量技术,提出一种基于遗传算法(Genetic Algorithm,GA)优化最小二乘法支持向量机(Least Squares Support Vector Machine,LSSVM)的方法,选用养殖水环境中pH值,电导率,温度,溶解氧含量为辅助变量,结合实验测量的水体氨氮值,进行养殖水体中的氨氮含量的软测量的建模。从而实现对集约化养殖过程中,养殖水环境内氨氮含量的在线实时监测。通过Matlab进行仿真,取得较好的仿真结果,对比BP神经网络模型,本文所选用的方法效果更佳。本文主要通过GA-LSSVM算法,以大菱鲆集约化养殖水环境为研究背景,主要研究内容如下:1.介绍海水养殖的发展现状,目前养殖过程中针对养殖水环境参数所使用的测量方法,以及软测量技术,在海水养殖过程中的应用方向,并重点,针对两种常用的建模方法——BP神经网络和最小二乘法支持向量机算法做了介绍,并分析各自的优缺点。2.由于海水养殖过程中,水质参数之间存在非线性相关,虽然BP神经网络能无限逼近非线性函数关系,但在实际运算过程中,往往会陷入局部最优解的困局,最小二乘法支持向量机算法针对小样本,高纬度,非线性的实际问题拟合有更好效果,同时引入遗传优化算法,对模型进行优化,从而得到最优的训练效果。3.通过分析海水养殖过程中易测得的水质参数以及分析水体中氨氮的生成和硝化的过程,基于实验室内课题组自主建立的大菱鲆集约化海水养殖系统的实测数据,选用水体pH,水体温度,水体电导率,水中溶解氧含量为输入变量,针对难以实现在线监测的变量水体中氨氮含量,使用不同的建模方法建立相应的软测量模型,对比不同建模方法之间的差异,选出最最理想的模型。(本文来源于《大连海洋大学》期刊2018-05-01）
曹引,冶运涛,赵红莉,蒋云钟,王浩[6]（2017）在《内陆水体水质参数遥感反演集合建模方法》一文中研究指出以微山湖为研究对象,利用2015年6月11~13日获取的实测高光谱和水体叶绿素a浓度、总悬浮物浓度和浊度数据,构建3种水质参数遥感反演常用的经验模型和PSO-SVM模型并进行精度评价,确定参与3种水质参数集合建模的反演模型,分别利用以熵权法(EW-CM)、集对分析法(SPA-CM)为代表的确定性集合建模方法和以贝叶斯模型平均(BMA)为代表的概率性集合方法构建反演3种水质参数的EW-CM、SPA-CM和BMA集合模型.通过贝叶斯平均方法获取各模型和BMA集合模型反演3种水质参数的不确定性区间,对比3种水质参数各模型和集合模型反演结果.结果表明:(1)确定性集合模型中SPA-CM模型精度整体高于EW-CM模型;(2)BMA概率性集合模型建模精度整体上要优于SPA-CM和EW-CM集合模型,验证精度稍低于SPA-CM模型,和EW-CM模型相当;(3)概率性集合建模可以给出集合模型和各模型反演水质参数的不确定性区间;(4)确定性和概率性集合模型可以综合各模型信息,使得集合模型同时具有较高的建模和验证精度,降低单一模型反演水质参数的不确定性,并在一定程度上提高水质参数反演精度.(本文来源于《中国环境科学》期刊2017年10期）
张永[7]（2017）在《基于紫外-可见光谱法水质 COD检测方法与建模研究》一文中研究指出近年来,随着我国经济飞速发展和城市化脚步加快,随之而来的水污染问题日趋严重,此问题已经成为我国乃至全世界水资源面临的最严重问题之一。化学需氧量(COD)作为评价水体污染程度的重要指标,可以表征水体有机物的浓度。紫外-可见光谱法检测COD无二次污染、周期短、可实现在线检测,是一种绿色检测技术。本文针对紫外-可见光谱法水质COD检测方法和建模开展了如下研究工作:1.光谱系统与光谱采集为了检测水质COD值,本文开发了一种紫外-可见光谱水质COD检测系统,并进行实验室邻苯二甲酸氢钾标准溶液制备与检测,采集紫外-可见吸光度光谱数据。2.光谱数据预处理技术研究针对原始光谱受到大量噪声影响的问题,本文需要一种去噪过程中尽可能少丢失真实信息的方法进行原始光谱去噪,小波分析可以满足要求。本文采用小波函数db8,对原始光谱进行5层小波分解,然后利用软阈值方式进行量化处理,重构后的水质COD光谱曲线十分光滑,去噪效果显着。小波去噪后依然存在光谱信息冗余和多重共线性问题,采用主成分分析法对光谱数据进行降维处理,有效去除冗余信息,保留有用特征信息,提高了机器学习效率。3.水质COD检测预测模型研究由于紫外-可见光光谱数据与水质COD值的关系具有复杂的非线性,无法采用传统的机理建模方法。建立基于BP神经网络的水质COD预测模型,可以有效的预测水质COD值。为了提高预测精度,采用改进的鲸鱼优化算法优化BP神经网络参数,建立基于鲸鱼优化算法BP神经网络的水质COD预测模型,预测结果表明,该模型的预测精度更高,可以应用于水质COD检测的预测。4.优化算法改进针对基本鲸鱼优化算法收敛速度慢、收敛精度低的缺陷,提出改进的鲸鱼优化算法(MWOA),MWOA主要研究了种群初始化机制和非线性自适应权重策略。仿真结果表明,改进的算法能在寻优过程中保持初始种群多样性,具有更好的收敛速度和收敛精度。(本文来源于《中国科学技术大学》期刊2017-05-01）
陈意,张轩,梁艳,林艳燕[8]（2017）在《基于元数据的水质可定制建模》一文中研究指出本文主要介绍了水质环境监测与分析系统的建模框架及其技术实现,详细地论述了水质环境监测与分析系统模型平台的原理、结构与功能,在此之上提出了基于元数据的动态决策方法的模型平台方案,分析了此种设计的特点,运行流程,为水质环境监测与分析系统模型动态管理提供一套稳定和高效的技术实现。(本文来源于《水电厂自动化》期刊2017年01期）
王晓鹏[9]（2015）在《河流水质模拟预测的统计建模研究——以湟水河小峡桥断面为例》一文中研究指出以湟水河国控断面—小峡桥为例,基于Box-Jenkins方法的时间序列分析技术,对2009~2012年主要污染物月度数据进行建模分析,验证了污染物数据的时间序列特性,研究并选择了这四个序列的最佳ARMA模型,本文也通过模型对2013年的水质进行了预测,并与实际数据加以比较检验。模型实证分析的结果表明:在河流水质模拟预测方面,ARMA模型是一种精度较高且切实有效的方法模型.(本文来源于《青海师范大学学报(自然科学版)》期刊2015年04期）
余志武[10]（2015）在《基于改进小波神经网络的水质评价建模研究》一文中研究指出水资源是一种不可替代的资源。近年来,国内外一直重视水资源的保护和治理工作。然而随着科技和产业的发展,水资源的问题还是一直制约着社会和生态环境的发展。同时传统的水质评价方法面对水环境问题的复杂性和非线性缺少高效的处理效率,因此,提高水资源的保护措施刻不容缓。人工神经网络(ANN)的发展为水质研究带来了新的方向,目前国内外已经有不少关于基于人工神经网络的水质方面的研究。本文根据前人对人工神经网络和水质评价的研究,深入研究小波神经网络的理论、结构和算法后,尝试采用小波神经网络(Wavelet Neural Network,WNN)应用于水质评价研究。论文主要研究包括以下几个方面:1.鉴于传统水质评价方法存在一定的局限性,利用小波神经网络收敛速度快、泛化能力好、精度高和良好非线性处理能力,提出采用小波神经网络用于水质评价建模,把评价结果和传统评价实验结果进行对比,证明该想法的可行性。2.由于传统小波神经网络算法,存在收敛速度慢等缺点,因此引入自适应学习和动量因子,加快网络学习速度,提高网络的学习能力。3.由于传统小波神经网络算法易陷入局部极小,将遗传算法(Genetic Algorithm,GA)引入小波神经网络中,虽然遗传算法具有良好的自适应学习能力和全局搜索能力,但其收敛速度慢,因此将一种改进的遗传算法-自适应遗传算法(Adaptive Genetic Algorithm,AGA)应用于小波神经网络的优化研究。在遗传算法的基础上引入自适应调整参数,加快收敛速度,提高算法的性能;在创建水质评价模型时,先采用自适应遗传算法优化WNN的初始权值、阈值、伸缩和平移参数,然后将选择好的参数作为改进WNN的初始参数值,该方法结合了AGA算法的全局搜索能力以及自适应动量梯度下降法的局部搜索能力,经过仿真结果比较研究,证明该理论的可实现性。4.分别对传统WNN算法、改进WNN算法和AGA算法建立基于小波神经网络的水质评价模型,进行仿真实验,对实验结果进行对比分析。研究结果表明:采用AGA算法的小波神经网络模型比其他方法有较大的提高,该方法可以对水环境的评价有较高的准确性和有效性。最后,创建基于WNN的水质评价图形用户界面(GUI),方便用户的使用。(本文来源于《江西理工大学》期刊2015-06-01）
水质建模论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在喀斯特地区,山势陡峭、地表坡降大,较大的地表坡降会使得地表景观中的污染物因地势加倍迁移到河水中,因此在不同坡度等级上研究景观特征对河流水质的影响及建模更有实际意义。本文以典型喀斯特流域赤水河中上游为研究区,综合利用野外水质采样数据、遥感和地理信息系统技术方法,提取研究区不同坡度等级的景观特征,探讨坡地景观特征与河流水质参数的关系,并以经典线性统计模型和人工神经网络模型为桥梁,针对不同的水质参数建立“最佳”的坡地景观特征-水质响应模型,得到的相关成果如下:(1)研究区的景观组成主要以林地、灌草、耕地及建设用地为主。无论是子流域尺度还是缓冲区尺度,坡景观(6°~25°)均以坡林地、坡灌草、坡耕地以及坡建设用地为主;陡坡景观(﹥25°)均以陡坡林地和陡坡灌草为主。从土地利用综合指数来看,在子流域和缓冲区两个研究尺度上,人类活动对平地景观的开发强度均最大(235,246),对坡景观次之(218,223),对陡坡景观最小(90,207),而其中,人类活动对坡景观的开发强度(216)几乎与对总体景观的开发强度(219.84)相当。从景观格局来看,在景观水平上,由坡景观到陡坡景观,斑块的破碎度、多样性以及分离度减小,斑块形状更规则,景观类型之间连续性增强。在景观类型水平上,坡林地和陡坡耕地的斑块形状较为复杂,陡坡灌草的斑块形状相比坡灌草更为不规则。(2)在景观组成上,总磷(TP)在子流域尺度和500m缓冲区尺度与坡地景观特征的相关性均比较明显,其在子流域尺度与坡林地和总林地呈显着负相关(-0.556,-0.540),这是由于占坡地景观面积50%以上的坡林地通过入渗、植物根部的生物吸收作用滞留、吸附磷元素,从而阻碍了污染物的传输;TP还与坡灌草和坡建设用地呈显着正相关(0.656,0.566),说明若不划分坡度等级,坡灌草对河流水质的“源”作用将会被掩盖。总氮(TN)仅在子流域尺度与坡耕地和总耕地呈显着正相关(0.616,0.492),说明氮肥的施用加上严重的坡耕地水土流失增加了研究区河流中TN的含量。氨氮(NH_(4+)-N)在缓冲区尺度与坡林地呈显着负相关(-0.479),然而与陡坡林地呈显着正相关(0.402)。坡度越陡,土壤的稳固能力越差,林地根部对氮素的吸附能力也越差,再加上陡坡林地中包含了施用氮肥的经果林,因此使得NH_(4+)-N与陡坡林地呈显着正相关。而NH_(4+)-N与总林地相关性不明显也表明,若不划分坡度等级,陡坡林地对NH_(4+)-N呈现的“源”作用会被坡林地对NH_(4+)-N呈现的“汇”作用掩盖。NH_(4+)-N与平地耕地、坡耕地及总耕地呈显着负相关(-0.727,-0.628,-0.637),与陡坡耕地相关性不显着,这是因为土壤颗粒、土壤胶体以及农作物对NH_(4+)-N的吸附作用强,阻滞了污染物向河流水体的传输。此外NH_(4+)-N与坡灌草、坡建设用地和陡坡建设用地呈显着正相关(0.429,0.405,0.494),说明坡地建设用地和坡灌草呈“源”景观,故合理控制坡地建设用地面积对改善河流水质有积极作用。(3)在景观水平上,随着景观斑块破碎度值(PD)的增加(PD_(陡坡)8.65、PD_总12.23、PD_坡20.22),TP与PD的相关性增强(0.507,0.593,0.623),同时随着平均斑块形状指数值(SHAPE-MN)的增加(SHAPE-MN_(陡坡)1.19、SHAPE-MN_坡1.25、SHAPE-MN_总1.37),NH_(4+)-N与平均斑块形状指数的相关性也增强(0.516,0.654,0.761),说明较高的景观破碎度和越不规则的斑块形状对河流水质的负影响很大。(4)在景观类型水平上,TP在缓冲区尺度与坡建设用地最大斑块指数(LPI)和坡建设用地SHAPE-MN呈显着正相关(0.498,0.557),在子流域尺度与坡灌草SHAPE-MN和坡建设用地SHAPE-MN呈显着正相关(0.529,0.567),即TP对坡建设用地的斑块复杂程度和聚集度以及坡灌草的斑块形状复杂程度比较敏感。NH_(4+)-N在缓冲区尺度与坡林地形状指数(LSI)及陡坡林地LSI呈显着负相关(-0.721,-0.691),与坡耕地LSI和陡坡耕地LSI呈显着负相关(-0.705,-0.644),即随着坡度的增加,林地和耕地的斑块形状越复杂,与NH_(4+)-N的相关性越低,其对NH_(4+)-N的吸附能力越弱。另NH_(4+)-N在子流域与陡坡建设用地LPI呈显着正相关(0.749),这和NH_(4+)-N与陡坡建设用地呈显着正相关的结论一致。(5)坡地景观特征对河流水质的综合影响复杂,经典的线性统计模型难以将坡地景观特征对河流水质的影响表达清楚,本研究通过引入具有自适应、自学习、自组织和非线性映射功能的人工神经网络模型模拟坡地景观特征对水质的影响取得了较好的效果。其中BP神经网络模型是TN和TP的“最佳”坡地景观特征-水质响应模型,参与TN建模的坡地景观特征是坡耕地及坡耕地IJI,与经典线性统计模型相比,BP神经网络模型的判定系数提升到0.923,平均相对误差值降低到14.30%,平均绝对误差降低到0.332。参与TP建模的景观特征有坡耕地IJI及总耕地,模型的判定系数提升到0.960,平均相对误差降低到16.06%,平均绝对误差降低到0.006。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水质建模论文参考文献
[1].柴伟,郭龙航,池彬彬.污水处理厂出水水质变量区间预测建模[J].化工学报.2019
[2].林国敏.典型喀斯特流域坡地景观特征对河流水质影响及建模研究[D].贵州大学.2019
[3].贾洁,苏婷立,王小艺,赵峙尧.关于水质污染准确评估建模研究[J].计算机仿真.2019
[4].蒋锦刚.沿海典型流域水文—水动力—水质多模型耦合建模与应用[D].浙江大学.2018
[5].张连龙.大菱鲆集约化养殖水质参数建模方法研究[D].大连海洋大学.2018
[6].曹引,冶运涛,赵红莉,蒋云钟,王浩.内陆水体水质参数遥感反演集合建模方法[J].中国环境科学.2017
[7].张永.基于紫外-可见光谱法水质COD检测方法与建模研究[D].中国科学技术大学.2017
[8].陈意,张轩,梁艳,林艳燕.基于元数据的水质可定制建模[J].水电厂自动化.2017
[9].王晓鹏.河流水质模拟预测的统计建模研究——以湟水河小峡桥断面为例[J].青海师范大学学报(自然科学版).2015
[10].余志武.基于改进小波神经网络的水质评价建模研究[D].江西理工大学.2015