基于分类水质与分级补偿的双向动态补偿机制设计

创新生态补偿机制是生态文明建设的重要内容。在现行双向静态补偿机制基础上构建了基于分类水质与分级补偿的双向动态补偿机制并提出了相应的命题。接着,分别采用理论证明和数值模拟方法对双向动态补偿机制与双向静态补偿机制在流域水质和上下游间的福利差异性进行验证。研究表明,双向动态补偿机制与双向静态补偿机制相比,不仅可以实现上游福利增进,还具有水质提升效应。最后,采用新安江流域跨界生态补偿实践的算例对相关命题进行分析,再次验证了双向动态补偿机制的有效性。研究结论为生态补偿制度改革提供了新的理论依据。

一种基于多分类器和证据理论融合的水质分类方法

针对单分类器对不同水质类别识别不均衡、水质分类准确率较低、适应性较差的问题,提出一种基于多分类器和证据理论融合的水质分类方法。选取深度神经网络分类器、改进支持向量机分类器和贝叶斯分类器3种分类器,通过全概率公式构建信度函数,基于证据理论对信度函数进行融合,获得多分类器融合模型。从国家地表水水质自动站发布的2022年3月1—22日水质数据中选取3 558条数据为样本集,采用DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型和多分类器融合模型对待测样本进行测试。结果表明:多分类器融合模型对水质类别判定的平均准确率、精确率、召回率和F1值分别为94.2%、93.8%、94.2%和94.0%。相较于DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型,多分类器融合模型准确率分别提高5.6%、9.8%和13.6%,精确率分别提高5.2%、10.0%和10.9%,召回率分别提高5.6%、9.8%和13.6%,F1值分别提高5.4%、10.2%和12.3%,多分类器融合模型在水质分类方面的准确性和适应性更高。

基于水质监测大数据的水质分类评价

水是人类赖以生存的重要资源,水质评价是水资源保护的重要手段,对水资源保护与高效开发具有重要意义。通过分析水质监测数据发布平台构架,设计爬虫获取水质监测数据,构架水质监测数据集;数据清洗与无量纲化后,采用主成分分析方法,对水质监测数据进行水质分类评价。实验结果表明,基于主成分分析的水质分类评价结果与水质监测数据发布平台的分类结果基本一致,实现了水质监测数据的自动水质分类评价,为水资源开发利用提供参考。

基于SMOTE-GA-CatBoost算法的全国地表水水质分类评价

针对地表水分类评价中水污染特征空间的高冲突性以及水质类别的不均衡性等问题,以7项地表水水质指标为水质评价因子,采用SMOTE过采样技术结合遗传算法和CatBoost模型对全国主要江河和重要湖库分别进行水质分类评价,并与其他4种改进集成算法进行对比.结果表明:SMOTE预处理有效改善样本类别的不均衡性,提高CatBoost模型对少数类水质样本分类的准确性;遗传算法调参有效提高CatBoost模型的收敛速度和分类精度,优化了模型的分类性能;SMOTE-GA-CatBoost模型对江河和湖库的水质分类效果均优于其他4种改进集成分类模型,其对江河水水质分类的准确率、精确率、召回率、F1分别为97.7%、97.8%、96.1%、96.9%,对湖库水水质分类的准确率、精确率、召回率、F1分别为96.7%、96.2%、95.4%、95.8%,该模型可以实现不同水域的水质分类评价.

投影寻踪在岩溶水水质分类中的应用

在一个给定的投影指标情形下 ,利用投影寻踪统计方法解决岩溶水水质分类问题。其思路是将高维数据投影到一维空间 ,找到一个能够综合水质指标特征的一维主特征量 ,利用这个简单的主特征量信息区分地下水水质类型。本文还采用遗传算法寻找最优的投影方向 ,同时用投影方向信息研究了各因子对地下水水质的影响水平 ,取得了符合客观实际的分类结果 ,为地下水保护和合理利用提供了决策依据。

德国巴伐利亚州水域水质分类特征

德国巴伐利亚州对水域水质进行分类的最重要指标是腐生生物指数,在该指数1.0~4.0之间划分4种水质类型和3种过渡类型共7种水域水质类型。对相对静止水域水质分类最重要的指标为营养物质含量,按其值大小共划分4类水质类型。除此之外还列出了10种应该考虑的水域水质分类因素,使水域水质分类更合理、更具有科学性,以利于水经济管理和环境保护。

Hadoop下并行BP神经网络骆马湖水质分类

研究借助云的计算向数据迁移机制及MapReduce并行处理海量数据的优势,解决BP神经网络在处理大规模样本数据时计算量大、网络训练时间长的瓶颈问题.构建了影响骆马湖水质的多污染因素评价网络模型,在Hadoop下应用并行BP网络算法,实现了对骆马湖水质分类挖掘,挖掘分析结果对骆马湖水质优化及生态修复具有决策支持性意义.

基于CMAES集成学习方法的地表水质分类

为了提高人民生活质量,政府部门不断加强水质管理,然而人工分类方法无法满足实时处理的需求,传统机器学习方法的分类准确率又不够高。集成学习使用多种学习算法来获得比单一学习算法更好的预测性能。首先,对集成学习进行概述,简要介绍了Bagging和Boosting算法,并提出基于协方差自适应调整的进化策略算法(CMAES)的集成学习方法。接着,介绍了数据处理方式、模型评估方法和评价指标。最后,用CMAES集成学习方法对逻辑回归、线性判别分析、支持向量机、决策树、完全随机树、朴素贝叶斯、K-邻近算法、随机森林、完全随机树林、深度级联森林十种模型进行集成。实验结果表明,CMAES集成学习方法优于所有其他模型,该方法将继续被应用到未来的研究之中。

模糊聚类方法在黄河流域重点断面水质分类中的应用

为评价黄河流域主要断面水质状况,选取4个统计指标,根据2016年第一季度水质状态样本数据,采用模糊聚类分析方法,对10个重点断面水污染状况进行模糊聚类,并对分类结果做了分析,分类结果符合实际情况.

基于模糊综合评判法的关闭矿井地下水水质分类

矿井在关闭以后,随着时间延续,地下水中的污染物会向远处和深处扩散。及时对关闭矿井地下水进行水质定量评价,并根据评价分级结果采取相应处理措施尤为重要。为了对龙永煤田关闭矿井地下水进行水质定量评价及分级,参照地下水5级水质分类标准,选取地下水总硬度值、溶解性总固体值、硫酸盐含量、氯离子含量等4个指标,利用模糊综合评判法,对龙永煤田15个关闭矿井的152组地下水水样逐一进行定量评价分类。结果显示,15个已关闭矿井地下水总体水质偏差,大多属于第Ⅳ级水、第Ⅴ级水,第四系孔隙水和童子岩组裂隙水基本不能作为饮用水源来使用。下部灰岩层水质相对较好,但不宜开采,应做好保护。研究结果为下一步矿山环境修复治理提供了参考。

模糊聚类分析在长江流域水质分类中的应用

以长江流域干、支流十七个典型水体实测资料为依据,将模糊聚类分析原理用于水体水质的分类研究。提供了建立水体间模糊相似关系矩阵的简便可行的办法,并分别用三种不同的聚类分析方法——传递闭包法、最大树法和编网法得到基本一致的结果。

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010—2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。

府城遗址浅层地下水水质的分类判识技术研究

针对水质评价中诸多评价因子的权重难以确定的问题,基于改进三标度层次分析法与客观赋权的熵权法确定指标的综合权重,耦合集对分析理论与综合权重建立了评价浅层地下水水质的数学模型。以焦作市府城遗址周边12处浅层地下水监测点为对象,选取Cl-、SO42-、NO3-、F-、总硬度、TDS和高锰酸盐指数作为指标体系,基于建立的数学模型分别对每处测点的枯水期、平水期水质进行评价。结果表明:枯水期时测点8、9水质分别为Ⅲ、Ⅰ类,其余10个测点均为Ⅴ类,严重污染率达83.33%;平水期时测点9水质为Ⅱ类,其余11个测点水质均为Ⅴ类,严重污染率达91.67%。针对研究区浅层地下水恶化原因进行了分析阐释,并提出了合理有效、易于实施的防治对策。

PCA水质分类法在通济堰水质评价中的应用

选取通济堰2014年CODMn、NH3-N、DO等8种水质指标的监测数据,使用主成分分析法(PCA法)进行水质评价。针对PCA法无法进行水质分类的缺陷,提出一种类似内梅罗评价理论的PCA水质分类法,并将分类结果与模糊评价法、内梅罗法和改进的内梅罗法等评价方法的分类结果进行比较。结果表明,PCA法可以直观地描述河流不同月份的污染特征,基于评价结果,使用PCA水质分类法进行水质分类,从而能更加准确地掌握不同月份水质污染的程度。

德国的水质分类、水环境质量及污水处理

１水质分类德国常用的水质分类方法是腐生生物指数法。根据腐生生物指数的大小，结合水质化学参数，将水质分为７类。各类水质类型的水质标准见表１。腐生生物指数水质分类在德国水质评价和水环境管理工作中被广泛应用。德国的水质分类、水环境质量及污水处理●山东省环境...

聚类分析在地下水水质分类评价中的应用

为更好的探究聚类分析在地下水环境评价中的应用,结合重庆市藻渡水库工程,采用系统聚类法分析了水库枢纽和库区位置的地下水监测点与周围煤矿污染源之间的相互关系,运用灰色聚类法和改进的灰色聚类法对地下水监测点进行综合评价,并分析了两种方法的优缺点。最终将17个地下水监测点划分为未超标天然地下水和受煤矿开采污染的地下水两大类,分析了污染物来源并评价了污染程度,为藻渡水库工程的地下水污染防治提供了科学依据。

基于支持向量机的水质分类研究

文章在水质监测网站上获取监测数据,首先对数据进行预处理剔除无效数据和无关变量,然后分别建立了线性支持向量机模型和非线性支持向量机模型,采用相同的水质数据使用不同模型分类并利用Python软件进行编程对比,都先使用网格搜索算法对惩罚系数进行寻优,非线性持向量分类机经过交叉验证后选用RBF核函数,实验结果证明采用非线性支持向量机得出的分类准确率更高,更具有推广性。

基于机器学习的农村水质水色分类研究

随着农村经济逐步发展,农村周边工厂排放的工业污水以及农村生产生活过程中产生的污水对农村的水资源造成了极大污染与危害。为帮助改善水资源环境,监测水环境变化,建设美丽乡村,利用图像处理技术和机器学习算法,对农村水质进行分类。对采集的水质图像进行切割并提取图像的颜色矩特征,以此作为样本建立水质分类模型,分别用决策树和支持向量机进行水质水色分类。根据分类结果判断水质是否受到污染,以及时采取措施,为农村水污染的治理提供支持。分类结果表明,支持向量机的模型准确率为96%,决策树的模型准确率为83%,支持向量机的识别准确率要高于决策树。

城市河网的低空遥感影像全卷积神经网络水质等级分类

提出一种基于深度学习的图像像素级标注算法。通过数据预处理、数据集建立、全卷积神经网络设计和训练流程,实现水体的水质等级分类及像素级标注。使用上海市嘉定区某区域和上海市宝山区杨行镇某区域的无人机低空遥感影像对该算法进行了验证,平均水质等级分类精度分别达到了87.96%和77.57%。

隶属度在长江(南京段)水质分类中的应用

运用模糊数学方法对长江南京段水质进行定级评价。同时，通过各级水隶属度的逐年变化情况，分析水质的变化趋势。