松花江流域典型河湖水质评价与预测研究——《全新未拆封》

图书标准信息

• 作者 郑国臣
• 出版社 科学出版社
• 出版时间 2018-09
• 版次 31
• ISBN 9787030566461
• 定价 116.00元
• 装帧 其他
• 开本 16开
• 页数 256页
• 字数 99999千字

【内容简介】

本书在对比和分析现行松花江流域典型河湖水质评价的典型方法（单因子评价法、污染指数法、主成分分析法、因子分析法、层次分析法、聚类分析法、物元分析法、模糊综合评价法、灰色分析法、云模型法、BP神经网络评价法）和水质预测方法（多元回归法、时间序列法、马尔可夫法、BP神经网络预测法、贝叶斯网络法）的基础上，将水质综合评价平台和智能预测平台融合，进行典型河流与水库水质的综合评价和智能预测。《BR》　　本书所构建的可视化平台可实现水库水质综合评价的自动化、预测的智能化，且易于操作，对于进行合理的水质综合评价、预测具有重要的理论意义，也可以为松花江流域水环境的管理、水资源的开发利用提供重要的科学依据。

【目录】

前言章 绪论 1 1.1 松花江典型河湖水质状况分析 1 1.1.1 河流水资源质量状况 1 1.1.2 重要江河湖泊水功能区水质达标状况 1 1.1.3 省（区）界及其他重要水体水资源质量状况 2 1.1.4 松花江区重要大中型水库 2 1.2 河湖水质综合评价与预测情况分析 2 1.2.1 河湖水质评价研究情况 2 1.2.2 河湖水质预测研究情况 2 1.3 流域水环境管理中的水质评价法概况 3 1.3.1 水质指标的选择 3 1.3.2 水质指标的预处理 3 1.3.3 权重系数的确定 4 1.3.4 主成分分析法 6 1.3.5 聚类分析 6 1.3.6 综合值的处理 6 1.3.7 计算机智能模型法 7 1.4 流域水环境管理中的水质预测方法 8 1.4.1 多元回归预测法 9 1.4.2 时间序列法 9 1.4.3 马尔可夫法 9 1.4.4 人工神经网络预测法 9 1.4.5 贝叶斯网络法 10 1.4.6 其他预测方法 11 1.5 本章小结 11第2章 基础评价方法 12 2.1 概述 12 2.1.1 单因子评价法 12 2.1.2 内梅罗污染指数法 13 2.2 单因子评价法应用 13 2.2.1 断面选取 13 2.2.2 水质评价指标 15 2.2.3 单因子评价法的常见应用 16 2.3 内梅罗污染指数法应用 20 2.3.1 断面选取 20 2.3.2 水质指标分析 21 2.3.3 内梅罗污染指数变化分析 25 2.4 省界缓冲区监管具体对策及建议 26 2.5 本章小结 27 第3章 主成分分析法与因子分析法 28 3.1 主成分分析法简介 28 3.2 SPSS软件及其使用方法 28 3.3 主成分分析法在松花江流域省界缓冲区管理中的应用 30 3.3.1 监测数据标准化处理 31 3.3.2 检验是否符合主成分分析条件 32 3.3.3 特征根及方差贡献 32 3.3.4 主成分负荷及主成分得分 33 3.4 因子分析法简介 34 3.5 因子分析的使用方法 35 3.6 因子分析法在嫩江流域省界缓冲区水质分析的应用 36 3.6.1 2011年嫩江流域省界缓冲区重要断面因子分析 36 3.6.2 2013年嫩江流域省界缓冲区重要断面因子分析 40 3.6.3 2011～2015年大河断面因子分析 43 3.6.4 大河断面污染情况综合分析 44 3.7 本章小结 45 第4章 层次分析法 46 4.1 概述 46 4.2 AHP的指标体系构建原则 49 4.3 尼尔基水库指标体系构建 50 4.3.1 监测断面布置 50 4.3.2 监测项目和分析方法 51 4.3.3 评价指标体系建立 51 4.3.4 指标权重的确定 51 4.3.5 构建判断矩阵 51 4.4 AHP的应用 53 4.4.1 评价方法 53 4.4.2 数据收集与分析 53 4.4.3 指标层评价值的确定 55 4.4.4 要素层评价 55 4.5 本章小结 56第5章 聚类分析法 57 5.1 概述 57 5.1.1 K-均值聚类分析 57 5.1.2 模糊聚类分析 59 5.2 K-均值聚类法的应用 60 5.2.1 水质监测断面优化原则 60 5.2.2 K-均值聚类法优化水质监测断面 61 5.2.3 监测断面分类 K值的确定 61 5.2.4 K-均值聚类优化断面基本步骤 62 5.2.5 K-均值聚类对断面优化结果与分析 63 5.3 模糊聚类法的应用 70 5.3.1 确定分类对象及标准化样本数据 70 5.3.2 建立模糊相似关系 72 5.3.3 建立模糊等价关系 72 5.3.4 对各监测断面进行聚类 73 5.3.5 模糊聚类评价结果分析 78 5.4 本章小结 79第6章 物元分析法 80 6.1 概述 80 6.1.1 物元的确定 80 6.1.2 关联度的确定 81 6.1.3 计算权系数 81 6.1.4 水质类别的确定 82 6.2 物元分析法的应用 82 6.2.1 选取监测样本 82 6.2.2 确定物元矩阵 85 6.2.3 计算权系数 86 6.2.4 松花江流域省界缓冲区水质评价 87 6.3 本章小结 90 第7章 模糊综合评价法 91 7.1 概述 91 7.2 模糊综合评价法的计算方法与流程 91 7.2.1 确定模糊关系矩阵 91 7.2.2 确定权重向量 92 7.2.3 模糊综合评价 93 7.3 模糊综合评价法的应用 93 7.3.1 断面布置 93 7.3.2 选取评价指标 93 7.3.3 评价结果与分析 96 7.4 本章小结 100 第8章 灰色分析法 101 8.1 概述 101 8.2 灰色分析法计算方法与流程 102 8.2.1 确定聚类白化数 102 8.2.2 数据的标准化处理 102 8.2.3 确定白化函数及白化矩阵 102 8.2.4 求聚类权 103 8.2.5 求聚类系数 103 8.3 灰色分析法的应用 103 8.3.1 新立城水库概述 103 8.3.2 水质指标的选取 104 8.3.3 灰色分析法评价结果分析 105 8.4 本章小结 112 第9章 云模型方法 113 9.1 概述 113 9.1.1 数据的小失真预处理方法 113 9.1.2 云模型及确定度的计算 114 9.1.3 污染贡献率法及熵权法的选择 116 9.1.4 综合值的处理 117 9.2 云模型法综合评价法的应用 117 9.2.1 数据的筛选 117 9.2.2 新立城水库水质综合评价 117 9.2.3 评价结果分析 118 9.3 本章小结 119 0章 多元回归法 120 10.1 概述 120 10.2 尼尔基水库情况及检测指标 121 10.2.1 尼尔基水库概况 121 10.2.2 检测项目 121 10.2.3 软件及使用方法 122 10.3 多元回归法建立尼尔基水库坝前叶绿素a线性回归模型 122 10.3.1 尼尔基水库叶绿素a线性回归模型-坝前汛期 122 10.3.2 尼尔基水库叶绿素a线性回归模型-坝前非汛期 125 10.3.3 回归模型预测分析-坝前汛期水质 126 10.3.4 回归模型预测分析-坝前非汛期 127 10.4 多元回归法建立尼尔基水库库末叶绿素a线性回归模型 128 10.4.1 尼尔基水库叶绿素a线性回归模型-库末汛期 128 10.4.2 尼尔基水库库末叶绿素a线性回归模型-库末非汛期 130 10.4.3 回归模型预测分析-库末汛期 132 10.4.4 回归模型预测分析-库末非汛期 133 10.5 本章小结 134 1章 时间序列法 135 11.1 时间序列法简介 135 11.2 时间序列平滑法计算方法与流程 135 11.2.1 移动平均法 135 11.2.2 指数平滑法 136 11.3 时间序列法的应用 137 11.4 本章小结 143 2章 马尔可夫法 144 12.1 马尔可夫法简介 144 12.2 马尔可夫法计算方法与流程 144 12.2.1 划分预测对象状态 144 12.2.2 计算初始概率pi 145 12.2.3 计算状态的一步转移概率pij 145 12.2.4 预测 145 12.3 马尔可夫法的应用 146 12.3.1 磨盘山水库简介 146 12.3.2 叶绿素a、氮、磷含量预测 146 12.4 本章小结 1493章 BP神经网络法 151 13.1 概述 151 13.1.1 BP神经网络的结构 151 13.1.2 标准BP神经网络算法 152 13.2 BP神经网络法的应用 153 13.2.1 评价背景 153 13.2.2 评价指标与数据的选取 153 13.2.3 BP神经网络模型的建立 156 13.2.4 评价结果分析 157 13.3 BP神经网络模型预测尼尔基水库水质 158 13.3.1 预测背景 158 13.3.2 BP神经网络的构建 158 13.3.3 数据的标准化处理 159 13.3.4 尼尔基水库水质预测 162 13.4 本章小结 1634章 贝叶斯网络评价法 165 14.1 概述 165 14.1.1 贝叶斯网络技术原理 165 14.1.2 贝叶斯网络技术发展阶段 165 14.1.3 贝叶斯网络技术的优势 166 14.2 贝叶斯网络评价法计算方法及功能 166 14.2.1 贝叶斯网络模型方法 166 14.2.2 基于贝叶斯理论的水质评价 167 14.2.3 基于贝叶斯统计推断的水环境模型参数识别 167 14.2.4 贝叶斯网络技术在流域水环境模型预测中的应用 167 14.2.5 贝叶斯网络的功能 168 14.3 贝叶斯网络算法的应用 168 14.3.1 设计思路 168 14.3.2 基于贝叶斯技术评价与预测尼尔基水库水质 169 14.3.3 贝叶斯网络模型模拟结果 171 14.4 水环境成分贝叶斯网络数据分析软件开发 180 14.4.1 软件功能 180 14.4.2 软件运行条件及过程 180 14.5 本章小结 184 5章 典型河湖水质评价与预测平台 185 15.1 典型河湖水质评价与预测平台构建 185 15.2 软件模块及功能设计 186 15.2.1 典型河湖水质评价方法平台 186 15.2.2 典型河湖水质预测方法平台 187 15.3 典型河湖水质评价与预测平台应用 187 15.3.1 测试数据——以石头口门水库数据为例 187 15.3.2 水质评价模块操作步骤 188 15.3.3 水质预测模块操作步骤 192 15.4 方法改进向导及一键测评的介绍 196 15.4.1 评价方法改进向导及一键评价 196 15.4.2 预测方法改进向导及一键预测 198 15.4.3 实例应用 199 作者介绍

序言