基于指标权重的湖库营养状态识别

针对湖库营养状态识别未考虑指标权重及营养状态分级较少的不足，基于熵值法与概率神经网络（PNN）基本原理，提出熵值PNN湖库营养状态识别模型，以全国24个湖库营养状态识别为例进行分析。利用熵值法确定识别指标权重，依据我国湖库富营养化评价标准，将湖库营养状态划分为极贫营养一极重度富营养11个等级，提出基于改进的湖库营养状态识别等级标准，在等级标准域值间采用随机内插的方法生成样本对PNN模型进行训练和检验，利用正确识别率和运行时间对PNN模型性能进行评价。最后，基于两种方案对全国24个湖库营养状态进行识别。结果表明：@PNN模型对于随机生成的训练样本和检验样本的正确识别率分别达到98．9％、98．6％（5次平均），模型用于湖库营养状态识别是合理可行的。②湖库识别结果存在差异。比较而言，基于指标权重考虑的识别结果更能科学、客观地反映湖库营养状态。

文山县饮用水水源铁锰超标调查研究、处理方法及建议

结合文山县当前饮用水源中铁锰超标的实际情况,分析了周边环境对文山县饮用水水源地的影响,阐述了饮用水中铁、锰超标对人体健康的危害,提出了解决饮用水中铁锰超标问题的必要性和可行方法,并提出相关的对策和建议。

支持向量机在饮用水水源地水质评价中的应用

采用回归支持向量机(SVR)和分类支持向量机(SVM)对饮用水水源地水质进行评价。针对支持向量机学习参数难以确定的不足,利用粒子群优化(PSO)算法寻优支持向量机学习参数,提出PSO-SVR及PSO-SVM评价模型,以文山州2014年13个饮用水水源地水质评价为例进行实例研究。结果表明:利用PSO算法寻优支持向量机学习参数可有效提高模型的评价精度和泛化能力。PSO-SVR及PSO-SVM模型对实例水质评价结果相同,各具特点和优势,均可用于相关水质综合评价。

基于模式识别的暮底河水库营养状态评价

基于概率神经网络（PNN）模式识别原理及方法，构建了PNN湖库营养状态识别模型。依据我国湖泊营养状态评价标准，采用随机内插的方法在各分级阈值间生成训练样本和检验样本，在达到预期识别精度后将模型运用于文山州暮底河水库2008—2012年营养状态识别。结果表明：PNN模型对于随机生成的训练样本和检验样本的正确识别率分别达到98．7％，98．5％（5次平均），建立的PNN模型用于湖库营养状态识别是合理可行的，模型具有较强的泛化能力和识别精度，且收敛速度快、调节参数少，是理想的湖库营养状态识别模型。模型对暮底河水库2008～2012年营养状态识别均为贫中营养，营养状态变化平稳。