基于人工神经网络的淀山湖入湖通量与水体富营养化相关性研究
通过构建基于反向传播的淀山湖人工神经网络模型，研究了淀山湖入湖口污染输入与水体富营养化的相关关系。利用2006-2008年淀山湖7个水质监测点的监测数据，构建湖内水质监测点的人工神经网络模型(模型A)，识别主要水质参数;进一步，针对主要水质参数，建立急水港、大朱厍、千墩港、白石矶等4个主要入湖口和淀山湖内水质监测点的人工神经网络模型(模型B)，识别入湖通量输入的主要影响因素。利用决定系数(R2)、均方根误差(RMSE)、实测结果和模型计算值之间的偏差，对淀山湖人工神经网络模型的可靠性进行评估;结果表明，模型预测的叶绿素α含量结果很好的拟合了实测结果，精度较高。采用平衡分配法研究不同入湖口各水质参数对淀山湖叶绿素α的贡献度，表明总磷是淀山湖水体富营养化的决定性水质参数，模型A和模型B的预测结论具有一致性。
人工神经网络 富营养化 污染物通量 水体富营养 水质监测 水质参数 入湖通量
徐祖信 颜军 尹海龙
同济大学污染控制与资源化研究国家重点实验室，上海 200092
国内会议
北京
中文
988-996
2009-07-01（万方平台首次上网日期，不代表论文的发表时间）