發(fā)布時間：2016-10-16 19:02

  本文關(guān)鍵詞：基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究，由筆耕文化傳播整理發(fā)布。

DOI:10.13671/j.hjkxxb.20；第33卷第11期2013年11月；環(huán)境科學(xué)學(xué)報ActaScientiaeCircu；Vol．33，No．11Nov．，2013；．環(huán)境科學(xué)學(xué)報，33（11）：3166-3172；XiaoT，YuanXZ，TangQH，etal；基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究；1，21，2，*3331，2，41

DOI:10.13671/j.hjkxxb.2013.11.035

第33卷第11期2013年11月

環(huán)境科學(xué)學(xué)報ActaScientiaeCircumstantiae

Vol．33，No．11Nov．，2013

．環(huán)境科學(xué)學(xué)報，33（11）：3166-3172肖韜，袁興中，唐清華，等．2013．基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究［J］

XiaoT，YuanXZ，TangQH，etal．2013．Investigationofhealthassessmentforurbanlakessystembasedonprobabilisticneuralnetworks（PNN）［J］．33（11）：3166-3172ActaScientiaeCircumstantiae，

基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究

1，21，2，*3331，2，41，21，2

，，肖韜，袁興中唐清華，高強(qiáng)，龐志研，�；勰犬厹貏P，林同云，

1，21，21，2

梁婕，江洪煒，曾光明1．湖南大學(xué)環(huán)境科學(xué)與工程學(xué)院，長沙410082

2．環(huán)境生物與控制教育部重點(diǎn)實驗室（湖南大學(xué)），長沙4100823．廣州市水務(wù)科學(xué)研究所，廣州5102204．河南工業(yè)大學(xué)化學(xué)化工學(xué)院，鄭州450001收稿日期：2013-03-01

修回日期：2013-04-16

錄用日期：2013-05-17

摘要：概率神經(jīng)網(wǎng)絡(luò)（PNN）是一種結(jié)構(gòu)簡單、訓(xùn)練簡捷、應(yīng)用十分廣泛的人工神經(jīng)網(wǎng)絡(luò)，并且在水質(zhì)分類等環(huán)境領(lǐng)域已取得一定研究成果．本文——白云湖作為研究對象，選取廣州市最大的人工湖—結(jié)合其水質(zhì)監(jiān)測數(shù)據(jù)及生物監(jiān)測數(shù)據(jù)，建立概率神經(jīng)網(wǎng)絡(luò)模型對其進(jìn)行湖泊生態(tài)系統(tǒng)健得到不同監(jiān)測時間點(diǎn)的湖泊生態(tài)系統(tǒng)健康評價結(jié)果．分析表明：①白云湖生態(tài)系統(tǒng)比較脆弱，目前凈化水質(zhì)的效果有限；②各監(jiān)測點(diǎn)的康評價，

評價結(jié)果均呈季節(jié)性變化，豐水期湖泊生態(tài)系統(tǒng)健康狀態(tài)好于枯水期，年際變化不顯著．實驗結(jié)果表明，利用概率神經(jīng)網(wǎng)絡(luò)對湖泊生態(tài)系統(tǒng)健康狀態(tài)進(jìn)行評價是可行的，與傳統(tǒng)評價方法相比，其具有訓(xùn)練時間短、權(quán)重確定客觀、輸出結(jié)果穩(wěn)定等優(yōu)勢，可以運(yùn)用到更多相關(guān)領(lǐng)域．關(guān)鍵詞：概率神經(jīng)網(wǎng)絡(luò)；湖泊生態(tài)系統(tǒng)；健康評價2468（2013）11-3166-07文章編號：0253-中圖分類號：X17

文獻(xiàn)標(biāo)識碼：A

Investigationofhealthassessmentforurbanlakessystembasedonprobabilisticneuralnetworks（PNN）

22，*2，42

XIAOTao1，，YUANXingzhong1，，TANGQinghua3，GAOQiang3，PANGZhiyan3，ZHUHuina1，，BIWenkai1，，2222LINTongyun1，，LIANGJie1，，JIANGHongwei1，，ZENGGuangming1，

1．CollegeofEnvironmentalScienceandEngineering，HunanUniversity，Changsha410082

2．KeylaboratoryofEnvironmentalBiologyandPollutionControl（HunanUniversity），MinistryofEducation，Changsha410082Guangzhou5102203．GuangzhouWaterＲesearchInstitute，

HenanUniversityofTechnology，Zhengzhou4500014．CollegeofChemicalengineering，Ｒeceived1March2013；

receivedinrevisedform16April2013；

accepted17May2013

Abstract：Asonekindofartificialneuralnetworks，probabilisticneuralnetworks（PNN）issimpleinstructure，easyfortrainingandwidelyused．Someresearchresultshavebeenobtainedinenvironmentalarea，forexampletheclassificationofwaterquality．ThetargetofthisstudywasBaiyunLake，thebiggestartificiallakeofGuangzhoucity．Basedonthemonitoringdataofwaterqualityandbiology，PNNmodelwasconstructedandappliedtoassesstheecosystemofBaiyunLakeatdifferentperiods．Themainassessmentresultsarelistedasfollows：①theecologicalsystemofBaiyunLakewasrelativelyweak，whichwasunabletofunctioninpurifyingwater．②Theseasonalvariationofhealthassessmentresultsatdifferentmonitoringpointswassignificant，whiletheinter-annualvariationwasinsignificant．Insummary，itisfeasibletoassessthehealthofthelakeecosystembyprobabilisticneuralnetwork．Comparedwithtraditionalevaluationmethods，e．g．BPneuralnetworksandattributerecognitionmethod，thePNNmodelismoreobjectiveandstableinevaluatingthehealthoflakeecosystem，thuscanbeextendedtootherrelatedfields．Keywords：probabilisticneuralnetworks；lakeecosystem；healthassessment

基金項目：廣州市水務(wù)局資助項目（No．BYHGLC-2010-02）

SupportedbytheProgramofGuangzhouWaterAuthority（No．BYHGLC-2010-02）

E-mail：xiaotaocss@163．com；*通訊作者（責(zé)任作者），E-mail：yxz@hnu．edu．cn作者簡介：肖韜（1987—），男，Biography：XIAOTao（1987—），male，E-mail：xiaotaocss@163．com；*Correspondingauthor，E-mail：yxz@hnu．edu．cn

11期肖韜等：基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究

3167

1引言（Introduction）

爭神經(jīng)元共同組建發(fā)展而來的一種前饋型神經(jīng)網(wǎng)

其理論依據(jù)是貝葉斯最小風(fēng)險準(zhǔn)則（Lesezek絡(luò)，

Ｒutkowski，2004；蔡曲林，2005；高千紅，2006）．其工作原理如下：輸入層完成輸入樣本的預(yù)處理過程（即獲得輸入向量p的過程），實現(xiàn)輸入樣本空間轉(zhuǎn)換為數(shù)據(jù)空間；模式層計算出輸入向量p與權(quán)值向獲得這樣一組向量：它表示向量p與量IW的距離，

向量IW的相似程度；疊加層先計算出輸入向量p

1

對應(yīng)于權(quán)值向量IW的輸出和n，然后通過徑向基

1

函數(shù)非線性映射作用獲得輸出向量a；競爭輸出層122

先獲得向量a的加權(quán)和向量n，然后根據(jù)向量n中的最大值響應(yīng)獲得網(wǎng)絡(luò)最終輸出值y，概率神經(jīng)網(wǎng)

近年來，隨著社會經(jīng)濟(jì)的發(fā)展及人們生活水平的

不斷提高，城市湖泊以其獨(dú)特的生態(tài)及景觀功能，越來越受到人們的親睞．但由于其生態(tài)系統(tǒng)復(fù)雜程度低，導(dǎo)

2010年中致城市湖泊對外界干擾的抵抗能力較弱．《

的數(shù)據(jù)顯示，在環(huán)保部監(jiān)測營養(yǎng)狀國環(huán)境狀況公報》

態(tài)的26個湖泊中，富營養(yǎng)化狀態(tài)占42．3%．城市湖泊幾乎都處于重富營養(yǎng)或異常營養(yǎng)狀態(tài)，絕大部分大中型湖泊已具備發(fā)生富營養(yǎng)化的條件或處于富營養(yǎng)化

2010），狀態(tài)（中華人民共和國環(huán)境保護(hù)部，因此，科學(xué)有效地揭示湖泊生態(tài)系統(tǒng)健康狀況，為政府部門的環(huán)

保決策提供有力依據(jù)顯得尤為重要．

湖泊生態(tài)系統(tǒng)健康可理解為湖泊內(nèi)的關(guān)鍵生態(tài)組分和有機(jī)組織完整且沒有疾病，受突發(fā)的自然或人為擾動后能保持原有的功能和結(jié)構(gòu)，物質(zhì)循環(huán)、能量和信息流動未受到損害，整體功能表現(xiàn)出2000）．目前國內(nèi)外多樣性、復(fù)雜性和活力（Ｒapport，對湖泊健康的研究，主要包括生物監(jiān)測方法（段學(xué)2009）和綜合指標(biāo)方法（Luetal．，2008；Xu花等，etal．，2011），后者通過多指標(biāo)整合來反映湖泊生態(tài)系統(tǒng)的綜合狀況，逐漸成為研究湖泊生態(tài)系統(tǒng)常用的方法．但是，在確定評價指標(biāo)的權(quán)重時，綜合指標(biāo)方法采用主觀賦權(quán)法則可能造成評價結(jié)果由于人的主觀因素而形成偏差，使得評價方法不具有推廣使用性．概率神經(jīng)網(wǎng)絡(luò)（ProbabilisticNeuralNetwork，PNN）是D．F．Specht博士在1990年提出來的一種

1990），神經(jīng)網(wǎng)絡(luò)模型（Specht，它是基于貝葉斯分類規(guī)則與Parzen窗概率密度估計方法發(fā)展而來的一

種并行算法．PNN已經(jīng)在模式識別和模式分類領(lǐng)域2008；Yu取得了廣泛的應(yīng)用（Karthikeyanetal．，

etal．，2007；Venkateshetal．，2011），它的優(yōu)勢在于用線性學(xué)習(xí)算法來完成以往非線性學(xué)習(xí)算法所做的工作，同時又能保持非線性算法的高精度等特性．而且其網(wǎng)絡(luò)對應(yīng)的權(quán)值就是模式樣本的分布，避免人工賦予權(quán)值存在的主觀性．PNN已成功運(yùn)用2009），到水質(zhì)評價等環(huán)境領(lǐng)域（董艷慧等，但運(yùn)用概率神經(jīng)網(wǎng)絡(luò)對湖泊生態(tài)系統(tǒng)健康進(jìn)行評價的相

關(guān)研究鮮見，因此，本文對該課題進(jìn)行研究．22．1

方法和材料（Materialsandmethods）

概率神經(jīng)網(wǎng)絡(luò)

概率神經(jīng)網(wǎng)絡(luò)（PNN）是由徑向基神經(jīng)元及競

絡(luò)模型的數(shù)學(xué)結(jié)構(gòu)如圖1所示

．

圖1

Fig．1

概率神經(jīng)網(wǎng)絡(luò)原理

Principleofprobabilisticneuralnetwork

Ｒ為輸入向量的元素數(shù)目，Q為疊加層圖1中，

徑向基函數(shù)神經(jīng)元的數(shù)目，即輸入數(shù)據(jù)可劃分的類別數(shù)目，運(yùn)算框‖dist‖計算輸入向量p與權(quán)值向量

*1IW的歐幾里得距離，運(yùn)算符·表示閥值向量b與

‖dist‖的輸出向量一一對應(yīng)元素相乘，它們存在如下關(guān)系：

1

a1i=radbas（‖iIW－P‖bi）

（1）（2）

1

y=compet（LW－a1）

1

1

1

ai表示向量a的第i個元素，bi表示向量b的式中，

第i個元素，iIW表示向量IW中的第i行元素構(gòu)成

的新向量．2．2

區(qū)域概況

23°12'N）位于廣州市白云區(qū)白云湖（113°13'E、

地處環(huán)滘村的北側(cè)，西臨廣清高速公路，東西北部，

臨機(jī)場高速公路及106國道，北靠建設(shè)中的華南快速，京廣鐵路及正在建設(shè)中的石井大道從人工湖的中間穿過，將白云湖分東、西兩部分．白云湖于20062010年4月正式通水，年12月開工建設(shè)，目前西湖南部仍在施工建設(shè)階段．建成后的白云湖總面積

23

2.07km2，水面面積1．05km，日輸水100萬m，達(dá)

3168

環(huán)境科學(xué)學(xué)報33卷

到為下游補(bǔ)水沖污的目的．白云湖管理部門于2010年11月在湖區(qū)中布置了一系列人工凈化設(shè)施，以加強(qiáng)湖泊凈化水質(zhì)的能力

．

75%酒精固定，屑，裝入樣品袋后帶回室內(nèi)分檢，鏡

2012）．檢計數(shù)（畢溫凱等，2．4

基于概率神經(jīng)網(wǎng)絡(luò)的湖泊生態(tài)健康評價概率神經(jīng)網(wǎng)絡(luò)根據(jù)學(xué)習(xí)樣本的特征及期望輸

出，即可直接獲得網(wǎng)絡(luò)隱層單元的連接權(quán)值，無需2005）．圖1所示的網(wǎng)絡(luò)結(jié)構(gòu)反復(fù)訓(xùn)練網(wǎng)絡(luò)（趙琛，

Q個學(xué)習(xí)模式p（Ｒ×1維）構(gòu)成新的學(xué)習(xí)數(shù)學(xué)模型，

模式向量p（Ｒ×Q維），同時假定網(wǎng)絡(luò)目標(biāo)輸出向

量T（Q×Q維）為單位矩陣向量．這樣，即可確定網(wǎng)絡(luò)權(quán)值向量，即

IW=P'

（3）（4）

圖2

Fig．2

白云湖及采樣點(diǎn)位置圖

IW=T

LocationandsamplingsiteofBaiyunLake

2．3采樣方法

I、L分別為徑向基層與競爭層的模式向量，W式中，

p'與T分別為徑向基層與競爭層的目標(biāo)為權(quán)向量，輸出向量．

網(wǎng)絡(luò)的運(yùn)行過程，實際上是將待確定分類樣本

X（未知模式，Ｒ×1維）與學(xué)習(xí)模式樣本P（標(biāo)準(zhǔn)模Ｒ×Q維）進(jìn)行比較判別獲得最大響應(yīng)輸出的過式，

程：模式層輸出表示模式間相似程度的向量；競爭輸出層獲取未知模式對每一標(biāo)準(zhǔn)模式貢獻(xiàn)的大小，形成一個神經(jīng)元輸出的概率矢量，對最大概率的標(biāo)準(zhǔn)模式進(jìn)行響應(yīng)輸出．

構(gòu)建基于概率神經(jīng)網(wǎng)絡(luò)的湖泊生態(tài)系統(tǒng)健康評價模型，實際上就是根據(jù)湖泊生態(tài)系統(tǒng)健康評價獲得標(biāo)準(zhǔn)模式向量指標(biāo)確定網(wǎng)絡(luò)學(xué)習(xí)的標(biāo)準(zhǔn)模式，

P（Ｒ×Q維）以及目標(biāo)輸出向量T（Q×Q維）的過程，利用前述的概率神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)理就可以確定網(wǎng)絡(luò)權(quán)重值．因此，構(gòu)建概率神經(jīng)網(wǎng)絡(luò)湖泊生態(tài)系統(tǒng)健康評價模型的核心就是利用評價指標(biāo)確定網(wǎng)絡(luò)學(xué)習(xí)的標(biāo)準(zhǔn)模式．2．4．1

湖泊生態(tài)健康評價指標(biāo)體系本文借鑒國

內(nèi)外相關(guān)研究并結(jié)合監(jiān)測數(shù)據(jù)，將湖泊生態(tài)系統(tǒng)健H、DO等8項因子選取TLI、康狀況分為5個等級，

建立了白云湖生態(tài)系統(tǒng)健康評價指標(biāo)體系，詳見表1．

將表1中指標(biāo)體系內(nèi)5個健康等級視為5種分類，從而將湖泊生態(tài)系統(tǒng)健康評價問題轉(zhuǎn)化為基于概率神經(jīng)網(wǎng)絡(luò)的模式分類問題．再結(jié)合概率神經(jīng)網(wǎng)以指標(biāo)體系中健康等級為分類標(biāo)簽，各指絡(luò)理論，

標(biāo)健康等級閾值為輸入向量，得到訓(xùn)練樣本．

A、E分別在白云湖共設(shè)置5個監(jiān)測點(diǎn)位，其中，

B、C、D3個監(jiān)測點(diǎn)分布于西湖、為進(jìn)水口和出水口，

東湖北部以及東湖南部，監(jiān)測內(nèi)容包括5個監(jiān)測點(diǎn)D兩點(diǎn)的生物監(jiān)測．本研究共進(jìn)的水質(zhì)監(jiān)測以及B、

采樣時間分別為2011年1月17行4次監(jiān)測采樣，

2011年8月25日、2012年1月10日以及2012日、

8個生物樣品．年8月15日，共計20個水質(zhì)樣品，

2．3．1水質(zhì)采樣每個監(jiān)測點(diǎn)位設(shè)一個采樣點(diǎn)，采用CSQ-1型水質(zhì)采樣器于水面下0．5m處取樣，現(xiàn)

DO（YSIProODO型光學(xué)溶場測定SD（賽式羅盤）、

氧儀）后，將水樣過0．45μm濾膜后密閉保存，移至

實驗室測定；水質(zhì)測定依據(jù)《中華人民共和國地表（GB3838—2002），水環(huán)境質(zhì)量標(biāo)準(zhǔn)》為保證效果的

精確性，對每個樣品做3份平行檢測，取算術(shù)平均值作為監(jiān)測值．

2．3．2生物采樣

浮游動物定性中，原生動物和輪

蟲均采用25號網(wǎng)，甲殼類采用13號網(wǎng)，在表層水體分析用有機(jī)玻璃采水器采水1L，甲殼類用25號網(wǎng)

4%中性福爾馬林液濾水30L，用Lugols'碘液固定，保存，沉淀-虹吸法定容至30mL，，鏡檢計數(shù)；浮游植

物定性分析采用25號浮游生物網(wǎng)，距水底0．5m處向上拖2次；定量分析用有機(jī)玻璃采水器取表層0.5m處水樣1L，用Lugol's碘液固定，沉淀-虹吸法

2

定容至30mL，鏡檢計數(shù)；底棲動物采用1/16m改40目銅絲篩中洗去底泥良Peterson采集器采樣，和腐

0．5m處呈“∞”形撈取3min；輪蟲和原生動物定量

11期肖韜等：基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究

表1

Table1

Ex/（J·L－1）150100603010

白云湖生態(tài)系統(tǒng)健康評價指標(biāo)體系

Exst

/（J·mg－1）

252015105

DO

/（mg·L－1）

7．56532

BOD5/（mg·L

334610

－1

3169

IndexsystemofhealthevaluationofBaiyunLake'secosystem

）

TP

/（mg·L－1）0．020．10．20．30．4

TN

/（mg·L－1）

0．20．511．52

健康等級健康狀態(tài)

ⅠⅡⅢⅣⅤ

很健康健康亞健康一般病態(tài)病態(tài)

∑TLI3040506070

H3．02．01．81．51．0

BOD5、TN和TP反映湖泊水質(zhì)狀況（中華人民共和國環(huán)境保護(hù)部，2002）；TLI（∑）為綜合營養(yǎng)指數(shù)，注：DO、反映湖泊營養(yǎng)狀態(tài)（中華人民2011）；H為生物多樣性指數(shù)，2011；朱英，2008）；Exst表示共和國環(huán)境保護(hù)部，反映湖泊生態(tài)系統(tǒng)生物結(jié)構(gòu)的復(fù)雜性和完整性（Spatharisetal．，2007；盧志娟，2008）；Ex表示能質(zhì)，反映湖泊生態(tài)系統(tǒng)結(jié)構(gòu)的組織性和穩(wěn)定性（J�irgensenetal．，反映湖泊生態(tài)系統(tǒng)組織性和有序性結(jié)構(gòu)能質(zhì)，

（Ludovisietal．，2003；劉永，2004）．

2．4．2

對訓(xùn)練樣本進(jìn)行規(guī)范化處理，規(guī)

范化處理可以有效調(diào)節(jié)指標(biāo)范圍，避免數(shù)值取舍不

數(shù)據(jù)處理

當(dāng)?shù)惹闆r出現(xiàn)，減少預(yù)測誤差．歸一化公式見式（5）：

x*=ij

*

xij－xjmin

xjmax－xjmin

（5）

xij為規(guī)范化處理后訓(xùn)練樣本i的j指標(biāo)，xij為式中，

xjmax和xjmin分別為樣本中j指標(biāo)的最對應(yīng)原指標(biāo)，

0，1］大值和最小值．經(jīng)過歸一化，原數(shù)據(jù)被規(guī)整在［

范圍內(nèi)．

為降低模型的結(jié)構(gòu)風(fēng)險以及提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度，采取在各等級閾值內(nèi)等量插入隨機(jī)數(shù)的將訓(xùn)練樣本擴(kuò)充至300組．方式擴(kuò)充訓(xùn)練樣本，

2．4．3概率神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練對于概率神經(jīng)網(wǎng)絡(luò)來說，合理選擇Spread參數(shù)很重要，其值應(yīng)該足夠大，使徑向基神經(jīng)元能夠?qū)�輸入向量所覆蓋的區(qū)域都產(chǎn)生響應(yīng)，但也不要求大到所有的徑向基神經(jīng)元都如此，只要部分徑向基神經(jīng)元能夠?qū)�輸入向量所覆蓋的區(qū)域產(chǎn)生響應(yīng)就足夠了．Spread值越大，其輸出結(jié)果越光滑；但太大的Spread值會導(dǎo)致數(shù)值計1993）．本次概率神經(jīng)網(wǎng)絡(luò)構(gòu)建算上的困難（Chen，

過程中，通過采用神經(jīng)網(wǎng)絡(luò)for循環(huán)語句，以分類平均誤差為評價標(biāo)準(zhǔn)，實現(xiàn)機(jī)器確定最佳spread值的目標(biāo)．結(jié)果如圖3所示，當(dāng)spread值取為0．1時，網(wǎng)絡(luò)的分類能力最好，因此在最終的程序中將spread值定為0．

1．

表3Table3

時間2011．1

位置AB

pH6．987．04

SD

/m0．090．18

白云湖水質(zhì)監(jiān)測結(jié)果

BOD5/（mg·L

4．54．5

－1

圖3

Fig．3

Spread對概率神經(jīng)網(wǎng)絡(luò)分類精度影響

EffectofSpreadonclassificationaccuracyoftheprobabilisticneuralnetwork

33．1

結(jié)果與分析（Ｒesultsandanalysis）

基于概率神經(jīng)網(wǎng)絡(luò)的白云湖生態(tài)系統(tǒng)健康評價

D兩點(diǎn)的水質(zhì)、本研究以B、生態(tài)數(shù)據(jù)為依據(jù)，對白云湖生態(tài)系統(tǒng)健康狀況進(jìn)行評價．白云湖水質(zhì)D）見表3、監(jiān)測數(shù)據(jù)（A～E）及生態(tài)監(jiān)測數(shù)據(jù)（B、

表4．

基于概率神經(jīng)網(wǎng)絡(luò)的白云湖生態(tài)系統(tǒng)健康評價結(jié)果見表5．

MeasuredresultsofwaterqualityDO/（mg·L－1）

3．53．3

CODCr

）

/（mg·L12．713．2

－1

）

TN

/（mg·L－1）2．6302．760

TP

/（mg·L－1）0．7540．765

3170

環(huán)境科學(xué)學(xué)報33卷續(xù)表1

時間位置CDE

pH7．347．117．096．897．317．217．267．217．096．987．347．126．997．236．877．126．976．80

SD/m0．080．120．120．300．300．170．370．330．480．490．410．540．370．220．320．360．310．34

DO/（mg·L－1）

3．63．73．16．46．36．26．56．14．85．44．75．04．44．65．44．35．64．3表4

BOD5/（mg·L－1）

4．74．13．82．42．62．32．52．23．12．63．13．03．03．33．13．42．93．1

CODCr/（mg·L－1）18．015．114．313．119．113．715．514．317．616．217．917．517．317．314．819．215．916．5

TN

/（mg·L－1）3．4302．8804．0200．3720．3230．3980．3310．3124．0504．2104．1104．0404．1806．7805．7705．9105．8706．470

TP

/（mg·L－1）0．8120．7811．1120．0950．0980．1040．0780．0790．8970．7890．9040．8720．9220．4760．3120．4520．3760．357

2011．8ABCDE

2012．1ABCDE

2012．8ABCDE

白云湖生物監(jiān)測結(jié)果

Table4

時間2011．12011．82012．12012．8

位置BDBDBDBD

表5

Table5

監(jiān)測時間2011．12011．8

監(jiān)測點(diǎn)BDBD

Measuredresultsofbiologicalsamples

浮游植物

/（mg·L－1）29．8713．7851．6333．2414．0212．1837．7750．84

浮游動物

/（mg·L－1）0．1060．1470．4390．4150．0710．0810．3880．468

底棲動物

/（g·m－2）0．070．850．614．500．411．090．504．21

Chla

/（μg·L－1）28．2338．0880．5475．4858．2452．0459．4770．15

基于概率神經(jīng)網(wǎng)絡(luò)的白云湖生態(tài)系統(tǒng)健康評價結(jié)果生態(tài)系統(tǒng)健康狀態(tài)

病態(tài)病態(tài)健康健康

2012．8監(jiān)測時間2012．1

監(jiān)測點(diǎn)BDBD

生態(tài)系統(tǒng)健康狀態(tài)

一般病態(tài)一般病態(tài)亞健康亞健康

EvaluationresultsofBaiyunLake'secosystembasedonprobabilisticneuralnetwork

2011、2012年1月白云湖生由評價結(jié)果可知，

態(tài)系統(tǒng)健康狀態(tài)分別處于病態(tài)和一般病態(tài)，無法達(dá)2012年8月到為下游河流補(bǔ)水沖污的目的；2011、

白云湖生態(tài)系統(tǒng)健康狀態(tài)分別處于健康和亞健康，使白云湖為下游河流補(bǔ)水沖污的目標(biāo)得以實現(xiàn)．

2011年1月進(jìn)水口監(jiān)測數(shù)據(jù)及計算結(jié)果顯示，

（圖1中A點(diǎn)）TN、TP水質(zhì)指標(biāo)，B點(diǎn)TLI、Ex及DEx、Exst等生態(tài)指標(biāo)優(yōu)于2012年1月，點(diǎn)TLI、而評

2012年1月白云湖生態(tài)系統(tǒng)健康狀態(tài)價結(jié)果顯示，

較2011年1月提升一個等級，說明引水渠道處理單

三億文庫3y.uu456.com包含各類專業(yè)文獻(xiàn)、各類資格考試、中學(xué)教育、生活休閑娛樂、文學(xué)作品欣賞、外語學(xué)習(xí)資料、基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究_肖韜83等內(nèi)容。

12

　

　

下載地址：基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究_肖韜83.Doc

　　【】

最新搜索

基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究_肖韜

計算機(jī)組成原理第5章部分習(xí)題參考答案(講)

北京大學(xué)15秋《微觀經(jīng)濟(jì)學(xué)》在線作業(yè)答案

兩學(xué)一做學(xué)習(xí)教育學(xué)習(xí)《中國共產(chǎn)黨廉潔自律準(zhǔn)則》《中國共產(chǎn)黨紀(jì)

《網(wǎng)上“沖沖浪”》教學(xué)設(shè)計

saeas22759187

康佳渠道管理系統(tǒng)下載

登山尋寶活動方案

九年級化學(xué)第二單元課題1空氣

CdSCdTe薄膜太陽能電池的制備及其特性研究_圖文

  本文關(guān)鍵詞：基于概率神經(jīng)網(wǎng)絡(luò)的城市湖泊生態(tài)系統(tǒng)健康評價研究，由筆耕文化傳播整理發(fā)布。

本文編號：142119