简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:生态足迹是目前较通用的衡量区域可持续发展的指标,利用生态足迹模型与其他指标结合,可以测算生态赤字(盈余)、生态足迹压力指数、万元GDP足迹等反映区域生态安全状态的定量指标.本研究计算了2002-2008年福建省人均生态赤字及生态足迹压力指数,得到全省生态压力的变化趋势.利用GM(1,1)灰色预测模型预测2009--2014年福建省人均耕地生态足迹与承载力、人均建筑用地生态足迹与承载力、人均生态赤字及生态足迹压力指数,结果表明,若继续沿着2002--2008年的发展模式,福建省在未来几年内生态安全将面临极大威胁,全省经济发展模式转型刻不容缓.
简介:以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、pH、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多处理单元潜流湿地出水中的总氮含量预测能力。研究结果表明,遗传优化的BP神经网络模型的拟合优度R2可达到0.835,平均相对误差百分比为12.89%,说明其对出水中的总氮含量有一定的预测能力,但精度较差;广义回归神经网络模型的平均相对误差百分比为4.46%,精度较高。利用广义回归神经网络模型对潜流湿地出水中的总氮含量进行预测较适宜。
简介:[1]AiNanshan,1999.Makingforfractalphysiognomy.GeographyandTerritorialRes.,15(1):92-96.(inChinese)[2]AiNanshan,1993.FromMandelbrotlandscapetofractalphysiognomy.NatureJ.,16(1):13-17.(inChinese)[3]AiNanshan,ZhuZhijunetal.,1998.OnthestochasticnatureofexogenicprocessandthestabilityoffractionalBrownianlandscape.GeographicalResearch,17(1):23-29.(inChinese)[4]BBMandelbrot,1967.HowlongisthecoastofBritain?Statisticalself-similarityandfractaldimension.Science,150(3775):636-638.[5]ChenHui,GuoShichang,1997.ThemultifractalstudyofchangesofclimateinKunmingarea.ClimaticandEnvironmentResearch,2(4):261-268.(inChinese)[6]ChenYanguang,1999.Geography:thefailureofcomputionmotionandthegrowingupoffractalstudies.JournalofXinyangNormalUniversity(NaturalScienceEdition),12(3):310-314.(inChinese)[7]ChenYanguang,1997.Onfractalsandtouristlandscape.HumanGeography,12(1):62-66.(inChinese)[8]ChenYanguang,WangYimin,1999.Fractal,1/ffluctuationandtheaestheticessenceoftouristresorts.ExplorationofNature,18(3):51-54.(inChinese)[9]ChenYanguang,LiBaolin,2003.StudiesofthefractalnetworkcompositionofriversinJilinprovince,China.AdvanceinEarthSciences,18(2):178-184.(inChinese)[10]DingYizhong,LouYong,1998.Applicationoffractaltheoryintheevaluationontransportationnetwork.JournalofShanghaiMaritimeUniversity,19(4):7-12.(inChinese)[11]DingWenfeng,DingDengshan,2002.ThefractalfeaturesofsoilgranulestructurebeforeandaftervegetationdestructiononLoessPlateau.GeographicalResearch,21(6):700-706.(inChinese)[12]FengJinliang,ZhengLi,1997.Thesimpleanalysisofgeographicsignificanceoffractaldimensionofcoastline.MarineGeologyandQuaternaryGeology,17(1):35-51.(inChinese)[13]HuangGuilan,ZhengZhaobao,1995.Theapplicationoffuzzyclusteranalysisinimagetexturebasedonfractal.JournalofWuha
简介:湿地生态系统退化的临界状态判别是湿地风险评价的重要内容,也是实施湿地生态系统健康有效管理与保护的重要前提。以中国北方半干旱地区天然内陆湿地——卧龙湖为例,在综合考虑湿地退化指标的基础上,选择水质、蓄水量、生物多样性和生态脆弱性等典型参数指标建立了湿地生态系统退化状态判别的尖点突变模型。研究表明湿地生态系统的退化过程与突变理论的基本特征相符,模型拟合结果较好地反映了卧龙湖湿地退化状态。通过对卧龙湖湿地1994-2009年的数据模拟,结果表明:1994-2001年间卧龙湖湿地生态系统处于较健康的状态,而2002年的判别结果显示卧龙湖湿地处于退化突变状态,即湿地退化导致了生态系统相当程度的损害。研究还表明,卧龙湖湿地生态水量的减少和水环境质量的降低是导致湿地退化的重要因素。为了保护湿地生态系统的健康,防止卧龙湖湿地生态系统退化的发生,应在科学配置区域水资源的同时合理调整区域的产业结构,提高农村污水处理率。
简介:基于RS、GPS和(GIS(3S技术)的集成提出了USLE6大因子的算法,在建立的专题地理信息数据库基础上,运用USLE对深圳市茜坑水库流域的土壤侵蚀强度进行预测和估算.结果表明:整个流域90.5%的区域土壤流失强度为中度以下.强度侵蚀以上的区域虽然仅占整个流域面积的9.5%,但是年土壤侵蚀量达到了整个流域土壤侵绌量的49.4%.流域土壤侵蚀强度和植被覆盖情况明显相关,茜坑水库流域的东北山区部分是整个流域的严重侵蚀区.研究证明:在3S技术集盛支持下,采用USLE对流域的土壤流失强度进行子预删和估算的方法具有直观、方便、快捷的优点,成果能充分满足小流域水土保持工作的需要.