水环境监测评价与水华智能化预测方法及应急治理决策系统

1.1 水体富营养化与水华的危害

1.1.1 水体富营养化

1.1.2 水华的概念及与水体富营养化关系

1.1.3 藻类水华产生的主要过程

1.1.4水华的危害

1.2 水体富营养化评价方法

1.2.1 水体富营养化评价标准

1.2.2 富营养化评价模型

1.2.2.1 营养指数法

1.2.2.2 浮游植物生态模型

1.2.2.3 生态动力学模型

1.2.2.4 不确定性分析和回归模型

1.2.2.5 人工神经网络模型

1.3 水华预测建模方法

1.3.1 基于机理生态建模方法

1.3.1.1 回归模型

1.3.1.2 总磷平衡模型

1.3.1.3 生态动力学模型

1.3.1.4 非线性回归模型

1.3.2 基于人工智能的建模方法

1.3.2.1 人工神经网络的预测模型

1.3.2.2 组合智能方法的预测模型

1.4 水环境监测技术及应用

1.5 本章小结

2.1 概述

2.2 实验设计与方法

2.2.1 模拟自然条件

2.2.2 藻种的预培养和保存

2.2.3 正交实验条件选择

2.2.4 藻类生长实验

2.2.5 各指标测定方法

2.3 实验结果与分析

2.3.1 藻类生长曲线分析

2.3.1.1 叶绿素a表征藻类生长曲线

2.3.1.2 不同N/P条件下藻类生长曲线

2.3.2 表征指标的相关性分析（DO、pH和chla）

2.3.3 ΔDO与ΔpH预测“水华”暴发的研究

2.3.4 藻类生长比增长速率影响因素的研究

2.3.5 藻类生长感官指标分析

2.4 微量元素对藻类生长的影响

2.4.1 微量元素

2.4.2 微量元素作用实验（铁、锰及不同Mn2+浓度对藻类生长的影响）

2.4.3 各指标测定方法和仪器药品

2.4.3.1 指标测定方法

2.4.3.2 实验仪器及药品

2.4.4 微量元素对藻类生长的影响

2.4.4.1 不同Fe3+浓度对藻类生长的影响

2.4.4.2 不同Mn2+浓度对藻类生长的影响

2.4.4.3 不同氮磷比对藻类增长的影响与Fe3+影响的比较

2.5 水力搅动对藻类生长的影响

2.5.1 实验设计与方法

2.5.2 实验结果与分析

2.5.2.1 有无水力搅动对藻类生长影响

2.5.2.2 不同水力搅动强度对藻类生长影响

2.5.3 小结

2.6 “水华”阈值与暴发点的研究

2.6.1 藻类生长趋势分析

2.6.1.1 叶绿素a低浓度（

《水环境监测评价与水华智能化预测方法及应急治理决策系统》系统地提出基于智能信息处理技术的水质评价与水华预测方法，以及水华应急治理决策方法，论述了水环境监测和数据远程传输技术，介绍了水华预警软件系统的实现方案。内容主要包括：通过模拟实验研究藻类生长和繁殖的过程，采用主成分分析法和粗糙集理论分析水华暴发的影响因素，探讨了灰色关联度分析方法和多属性决策理论在水体富营养化评价中的应用，研究基于petri网和Agent的建模仿真技术，分别研究BP、RBF和Elman等人工神经网络建模方法，建立水华发生的短期预测模型，研究基于最小二乘支持向量机（LSSVM）、小波神经网络组合模型（WANN）、灰色神经混合预测模型的水华中期预测方法，采用基于多元周期平稳时序分析方法对水华形成过程中的特征因素建模和预测，提出了基于模糊多属性决策理论、最小风险与最优成本综合约束条件下的模糊，贝叶斯决策方法，以及基于环境成本的模糊灰色关联度的水华应急治理决策方法。
　　《水环境监测评价与水华智能化预测方法及应急治理决策系统》可供从事水环境监测、水质评价以及进行水华预测方法研究和应急治理的决策管理人员和工程技术人员参考，也可作为环境工程、自动控制、信息工程、管理工程等专业本科生与研究生的教材或参考书。