基于EWT-PSO-Elman耦合模型在径流预测中的应用

由于径流序列的非线性和非平稳性,单一预测模型能力有限,难以做出准确预测。因此,基于澄碧河流域坝首站1979—2019年共41 a的实测月径流序列,引入经验小波变换分解(EWT)、粒子群算法(PSO),建立一种基于Elman神经网络的组合月径流预测模型(EWT-PSO-Elman),并采用纳什效率系数(NSE)、平均相对误差绝对值(MAPE)和均方根误差(RMSE)对测试集的预测结果进行评价与分析,并将预测结果与EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型进行比较。结果表明:EWT-PSO-Elman模型的纳什效率系数为0.913 5,均方根误差为19.451 1,预报等级为甲级,具有较好的预测精度和泛化能力;EWT-PSO-Elman模型的预测精度优于EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型。可见,EWT-PSO-Elman模型具有更好的预测精度,可应用于径流预测研究中。

广西水资源压力时空特征分析及未来状态预测研究

为探究广西水资源压力历史时空演变规律及未来状态特征,以水资源压力指数为指标,采用Mann-Kendall检验法分析广西2002-2019年水资源压力的变化趋势,并运用马尔科夫链风险预警模型对研究区2020-2022年水资源压力状态进行预测。结果表明:广西2007年及2009-2011年全区的水资源压力整体偏大,水资源压力分布状况与历史旱灾特征吻合;桂林市和防城港市水资源压力呈显著下降趋势,下降速率分别为-0.0045/a和-0.0013/a;验证期(2017-2019年)马尔科夫链风险预警模型的预测精度分别为66.67%、80%、60%,南宁市、北海市、贵港市、玉林市、来宾市的水资源压力状态将在2022年达到中高压力状态,需要保持警惕。

基于多种径流预测耦合模型的流域月径流预测优选研究

为了提高径流预测的准确性,以澄碧河流域坝首站1979-2019年共41 a的实测月径流序列为例,在优选Elman神经网络模型、支持向量机模型、BP单一预测模型的基础上,分别耦合经验模态分解(EMD)、集合经验模态分解(EEMD)和经验小波变换分解(EWT),选取纳什效率系数(NSE)、平均相对误差绝对值(MAPE)和均方根误差(RMSE)对测试集的预测结果进行评价与分析。结果表明:相对于Elman神经网络模型和SVM模型,BP模型的预测效果较好;耦合预测模型预测精度都优于单一模型。耦合模型中,EWT-BP的纳什效率系数为0.91,预报等级为甲级,预测精度优于EMD-BP和EEMD-BP。采用数据预处理技术生成平稳序列,可有效减少原序列存在非线性和不稳定性特征的影响,并有利于提高流域水文模型的径流预测能力。

基于水质指数的宁夏沙湖综合水质状态研究

为探索不同类型的水质指数在沙湖综合水质评价中的应用及其相关关系,采用水质标识指数(WQII)、加拿大环境部长理事会水质指数(CCMEWQI)、通用水质指数(UWQI)对沙湖2010-2017年4月、7月、10月水环境进行了综合水质状态评估,并对不同水质指数进行相关分析及回归分析。结果表明:沙湖WQII变化区间为3.1~4.7,CCMEWQI变化区间为27.44~72.07,UWQI变化区间为31.53~51.74,水质状态整体处于较差等级,综合水质呈恶化趋势,水环境治理刻不容缓。不同综合水质指数结果存在差异,CCMEWQI及UWQI皆与综合水质标识指数显著相关;CCMEWQI与综合水质标识指数在复合及增长模型下拟合优度达到最优(R2=0.614),UWQI与综合水质标识指数在二次模型下拟合优度达到最优(R2=0.970)。

星海湖水环境容量研究

基于2015—2017年星海湖高锰酸盐指数(I Mn)、化学需氧量(COD)、五日生化需氧量(BOD 5)、氨氮(NH 3 N)、总氮(TN)、总磷(TP)监测数据,以水质状态不再恶化、达到Ⅳ类水质、达到Ⅲ类水质、达到Ⅱ类水质为目标,采用完全混合模型评估星海湖水环境容量。结果表明:星海湖I Mn水环境容量保持稳定,4种控制目标下3年水环境容量均值分别为882.90 t/a、2366.76 t/a、-195.29 t/a、-1476.31 t/a;COD环境容量逐年减少;BOD 5环境容量存在一定波动,2016年环境容量明显增加;NH 3 N负荷接近Ⅱ类水质目标下环境容量;TP、TN的环境容量稀缺,急须对入湖TP、TN作削减。

银川市阅海湖水环境容量评估

[目的]探明银川市阅海湖水环境容量及其变化趋势,为阅海湖水体污染防治及管理提供依据。[方法]分别于2015至2017年冬(1月)、春(4月)、夏(7月)、秋(10月)对阅海湖进行水样采集,设置3类水质目标情景,采用已有模型评估阅海湖2015至2017年在不同水质目标情景下高锰酸盐指数(CODMn)、化学需氧量(CODcr)、五日生化需氧量(BOD5)、总氮(TN)、氨氮(NH3-N)、总磷(TP)的最大环境容量。[结果]水质目标为Ⅱ类时,BOD5, NH3-N有剩余环境容量,CODcr需消减122.4%,142.7%,169.6%;CODMn需消减190.7%,243.8%,248.6%,TN需消减47.3%,40.5%,47.1%;TP需消减67.6%,71.9%,71.0%;水质目标为Ⅲ类时,BOD5,NH3-N,TN有剩余环境容量,CODcr需消减0%,4.4%,40.3%;CODMn需消减7.3%,85.7%,94.1%;TP需消减35.0%,42.6%,41.8%;水质目标为Ⅳ类时,各项指标均达到水质标准且剩余环境容量呈减小趋势,其中TP浓度接近Ⅳ类水质标准限值,是阅海湖最主要污染因子。[结论] 2015至2017年阅海湖水质总体为地表水Ⅳ类,各项指标均有剩余环境容量,水质呈逐年恶化趋势。

清水河流域水质综合分析与评价

通过2018年4月、7月和11月在清水河流域布设32个采样点,监测F^(-)、TN、TP等6项水质指标,应用单因子评价法、综合污染指数法、灰色关联法、模糊综合评价法对该河水质状况作综合评价,并分析F^(-)是否参与评价时水质的变化情况。结果表明:当F^(-)不参与水质评价时,清水河各月水质污染程度为7月>11月>4月;当F^(-)参与水质评价时,水质污染程度为11月>7月>4月。模糊综合评价法的评价结果更符合实际水体情况,清水河上游—下游水质逐渐变差。当F^(-)参与评价时,清水河整体水质状况变差。

银川阅海湖水生生态系统健康评价

为探明银川阅海湖水生生态系统健康状况,在2015年-2017年冬(1月)、春(4月)、夏(7月)、秋(10月)对阅海湖水生态和水环境因子进行采样,通过主成分分析法筛选出叶绿素(Chl.a)、综合营养状态指数(TLI(Σ))、浮游植物生物量(D)、底栖动物Shannon-Wiener指数(H′底栖动物)、水生植物Shannon-Wiener指数(H′水生植物)、高锰酸盐指数(CODMn)、总氮(TN)、氨氮(NH3-N)、总磷(TP)等9个因子构成阅海湖水生生态系统健康评价指标体系,运用主成分法确定了指标权重,运用灰关联法对水生生态系统健康等级进行评价。结果表明,阅海湖2015-2017年春季、夏季和秋季水生生态系统健康评价等级均为亚健康,冬季均为健康状态。氮磷营养盐超标是导致阅海湖2015-2017年处于亚健康的主要原因。

星海湖水生生态系统健康评价

采用主成分分析法筛选出高锰酸盐指数(CODMn)、底栖动物Shannon-Wiener指数、水生植物ShannonWiener指数等10个因子构成星海湖水生生态系统健康评价体系,确定相应指标的权重,运用灰关联法进行综合评价。结果表明,2015年~2017年星海湖水生生态系统整体呈亚健康状态;从季节变化看,2015年~2017年冬季水生生态系统健康状况均为健康,春季和秋季的水生生态健康状况均为亚健康;2015年夏季的水生生态健康状况为亚健康,2016年与2017年夏季水生生态健康状况为不健康。为此,需加强对星海湖生态恢复及水环境污染的综合处理。