CN113627072B - 一种基于遗传算法的流域纳污能力计算方法 - Google Patents
一种基于遗传算法的流域纳污能力计算方法 Download PDFInfo
- Publication number
- CN113627072B CN113627072B CN202110737354.4A CN202110737354A CN113627072B CN 113627072 B CN113627072 B CN 113627072B CN 202110737354 A CN202110737354 A CN 202110737354A CN 113627072 B CN113627072 B CN 113627072B
- Authority
- CN
- China
- Prior art keywords
- river
- receiving capacity
- water
- genetic algorithm
- sewage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 83
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 52
- 230000002068 genetic effect Effects 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 117
- 238000000034 method Methods 0.000 claims abstract description 31
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 28
- 238000013461 design Methods 0.000 claims abstract description 23
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 19
- 231100000719 pollutant Toxicity 0.000 claims abstract description 19
- 239000002957 persistent organic pollutant Substances 0.000 claims abstract description 12
- 239000002351 wastewater Substances 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 3
- 239000000126 substance Substances 0.000 abstract description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 abstract 1
- 239000001301 oxygen Substances 0.000 abstract 1
- 229910052760 oxygen Inorganic materials 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000000746 purification Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Human Resources & Organizations (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种基于遗传算法的流域纳污能力计算方法，包括以下步骤：获得n个水功能区的目标水质、河段长度、河段设计流量、河段污废水入河量、河段平均流速、有机污染物综合衰减系数，基于遗传算法建立河流纳污能力计算公式；计算传统流域纳污能力计算方法下的各水功能区的COD、氨氮纳污能力；将基于遗传算法计算的河流COD、氨氮纳污能力与传统算法计算得出的河流COD、氨氮纳污能力进行对比；本发明在已有的流域纳污能力计算方法上，考虑迭代，种群优化等，提出基于遗传算法的流域纳污能力计算模型，能降低污染物浓度，提高流域水质，适于具有多个水功能区的流域。
Description
技术领域
本发明涉及一种基于遗传算法的流域纳污能力计算方法，属于流域水环境管理技术领域。
背景技术
河流纳污能力是指在保证水资源使用功能的基础上，河流可以接纳一定污染物数量的能力。河流具有自净能力，即河流纳污之后，因其物理的、化学的、生物的各种特性，使污染物能被迁移、扩散、转化、降解，使该河流的水质得到部分甚至完全恢复的能力。随着城市工业化和城市化的发展，城市河流不仅作为城市用水的主要来源，成为城市的天然排污场所。由于污染物排放量超出河流自身的污染承载力，水环境污染问题日益恶化。对城市环境的重要认为要素的影响以及纳污能力的研究是污染总量控制的重要基础，因此对于河流纳污能力的研究至关重要。
河流纳污能力一直备受研究者和流域管理者关注。针对河流纳污能力的研究，研究者已针对多项工程实例，通过实测法、调查估计法、估算法和数学模型计算法分析了河流纳污能力。前三种方法只适用于水质现状较好、水质目标原则上维持现状水质的保护区和保留区以及现状水质较好、用水矛盾不突出的缓冲区。对于水质较差的保护区和保留区或者用水矛盾突出缓冲区，仍需采用数学模型法计算其纳污能力。目前，研究者已针对各工程实例，应用多种数学模型于计算河流纳污能力，有QUAL2E模型、一维稳态水质模型、基于MIKE11模型等。现有的计算过程中还存在着水质目标质量浓度难以确定、纳污能力可能出现负值等问题。因此有必要优化流域纳污能力计算模型以解决获得河流最优的纳污能力及河流水质目标质量浓度难以确定、纳污能力出现负值等问题。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于遗传算法的流域纳污能力计算方法，在已有的流域纳污能力计算方法上，考虑迭代，种群优化等，提出基于遗传算法的流域纳污能力计算模型，以解决纳污能力出现负值等问题。
为达到上述目的，本发明是采用下述技术方案实现的：
本发明提供了一种基于遗传算法的流域纳污能力计算方法，包括以下步骤：
步骤A，获得n个水功能区的目标水质Cmax，i、河段长度Li、河段设计流量Qi、河段污废水入河量Qp，i、河段平均流速ui、有机污染物综合衰减系数Ki，其中，i＝1,2,……,n；
步骤B，随机生成满足各水功能区水质约束条件的种群N个，单个个体的维度为n，即获得各水功能区的控制断面设计水质Cs,i、断面入流设计水质C0,i，i＝1,2,……,n，基于遗传算法建立河流纳污能力计算公式；
步骤C，基于所述步骤A收集的水功能区的目标水质、河段长度、河段设计流量、河段污废水入河量、河段平均流速、有机污染物综合衰减系数，以及满足限制约束条件，得出各水功能区的COD、氨氮纳污能力，同时计算传统流域纳污能力计算方法下的各水功能区的COD、氨氮纳污能力；
步骤D，将基于遗传算法计算的河流COD、氨氮纳污能力与传统算法计算得出的河流COD、氨氮纳污能力进行对比，进而确定基于遗传算法的河流纳污能力模型。
上述的一种基于遗传算法的流域纳污能力计算方法，所述步骤B中的纳污能力计算模型为，
式中，W为计算河段纳污能力，g/s；Q为计算河段设计流量，m3/s；Qp为计算河段污废水入河量，m3/s；Cs为控制断面设计水质，mg/L；C0为断面入流设计水质，mg/L，按照上一个水功能区的设计水质值Cs，i是为下一个水功能区的初始浓度Co值的方法确定；u为计算河段平均流速，m/s；L为计算河段长度，km；K为有机污染物综合衰减系数，1/s，采用原《海南省水资源保护规划》中的值。
上述的一种基于遗传算法的流域纳污能力计算方法，所述步骤B中CS，i的取值，采用随机取值方式,并进行了设计水质约束和水功能区纳污能力非负约束。
上述的一种基于遗传算法的流域纳污能力计算方法，，所述步骤D中基于遗传算法计算的COD、氨氮流域纳污能力，与传统算法计算的河流COD、氨氮纳污能力进行对比，利用河流自身的净化作用，获得较高的排污空间，利用下游水功能区的自净能力，增大流域的总纳污能力。
上述的一种基于遗传算法的流域纳污能力计算方法，所述步骤B中各水功能区的设计水质约束具体分别如式(2)和(3)所示：
0≤Cs,i≤Cmax,i(i＝1,2...n) (2)
式中：Cmax,i,(i＝1,2...n)——各水功能区水质目标值；
上述的一种基于遗传算法的流域纳污能力计算方法，所述步骤B中水功能区纳污能力非负约束具体如式(4)所示：
Cs,i–C0,iexp(-KiLi/ui)≥0(i＝1,2...n) (4)。
与现有技术相比，本发明所达到的有益效果：
(1)本发明的基于遗传算法的流域纳污能力计算方法，基于传统的流域纳污能力计算模型，考虑了水功能区纳污能力非负约束的问题，可保证纳污能力不出现负值；
(2)本发明的基于遗传算法的流域纳污能力计算方法，可充分利用河流自身的净化作用，本算法和基于传统算法的流域纳污能力相比可充分利用河流自身的净化作用，获得较高的排污空间；
(3)本发明的基于遗传算法的流域纳污能力计算方法，能降低污染物浓度，提高流域水质，适于具有多个水功能区的流域，本算法虽然会减少某一水功能区的纳污能力，但使得进入下游水功能区的初始污染物浓度较低，充分利用了下游水功能区的自净能力，增大了南渡江流域的总纳污能力；
(4)本发明的基于遗传算法的纳污能力量化方法，为江河流域的纳污能力核定和水环境管理提供了新的思路，可为其他研究区域提供借鉴。
附图说明
图1是本发明实施例提供的基于遗传算法的流域纳污能力计算方法的方法流程图；
图2是本发明实施例提供的某流域不同纳污能力计算方法下各水功能区COD浓度对比；
图3是本发明实施例提供的某流域不同纳污能力计算方法下各水功能区氨氮浓度对比。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
如图1所示，本发明的基于遗传算法的流域纳污能力计算方法，包括以下步骤：
步骤A，获得n个水功能区的目标水质Cmax，i、河段长度Li、河段设计流量Qi、河段污废水入河量Qp，i、河段平均流速ui、有机污染物综合衰减系数Ki，其中，i＝1,2,……,n；
步骤B，随机生成满足各水功能区水质约束条件的种群N个，单个个体的维度为n，即获得各水功能区的控制断面设计水质Cs,i、断面入流设计水质C0,i，i＝1,2,……,n，基于遗传算法建立河流纳污能力计算公式。
步骤B中的基于遗传算法的流域纳污能力计算公式为，
式中，W为计算河段纳污能力，g/s；Q为计算河段设计流量，m3/s；Qp为计算河段污废水入河量，m3/s；Cs为控制断面设计水质，mg/L；C0为断面入流设计水质，mg/L，按照上一个水功能区的设计水质值Cs，i是为下一个水功能区的初始浓度Co值的方法确定；u为计算河段平均流速，m/s；L为计算河段长度，km；K为有机污染物综合衰减系数，1/s，采用原《海南省水资源保护规划》中的值。
步骤B中各水功能区的设计水质约束具体分别如式(6)和(7)所示：
0≤Cs,i≤Cmax,i(i＝1,2...n) (6)
式中：Cmax,i,(i＝1,2...n)表示各水功能区水质目标值；
所述步骤B中水功能区纳污能力非负约束具体如式(4)所示：
Cs,i–C0,iexp(-KiLi/ui)≥0(i＝1,2...n) (8)
步骤C，基于所述步骤A收集的水功能区的目标水质、河段长度、河段设计流量、河段污废水入河量、河段平均流速、有机污染物综合衰减系数，以及满足限制约束条件，得出各水功能区的COD、氨氮纳污能力，同时计算传统流域纳污能力计算方法下的各水功能区的COD、氨氮纳污能力；
步骤D，将基于遗传算法计算的河流COD、氨氮纳污能力与传统算法计算得出的河流COD、氨氮纳污能力进行对比，进而确定基于遗传算法的河流纳污能力模型。
所述步骤D中基于遗传算法计算的COD、氨氮流域纳污能力，与传统算法计算的河流COD、氨氮纳污能力相比，可以①考虑水功能区纳污能力非负约束的问题，可保证纳污能力不出现负值；②充分利用河流自身的净化作用，本算法和基于传统算法的流域纳污能力相比可充分利用河流自身的净化作用，获得较高的排污空间；③充分利用下游水功能区的自净能力，增大了流域的总纳污能力。
实施例2
如图2、图3所示，图2是本实施例提供的某流域不同纳污能力计算方法下各水功能区COD浓度对比；图3是本实施例提供的某流域不同纳污能力计算方法下各水功能区氨氮浓度对比；本实例以某流域的纳污能力研究为例，提出基于遗传算法的流域纳污能力计算模型，计算了流域的总纳污能力。具体实施步骤如下：
A，获得某流域10个水功能区的目标水质Cmax，i、河段长度Li、河段设计流量Qi、河段污废水入河量Qp，i、河段平均流速ui、有机污染物综合衰减系数Ki，其中，i＝1,2,……,10，如表1所示：
表1某流域二级水功能区基本信息表
B，步骤B，随机生成满足各水功能区水质约束条件的种群N个，单个个体的维度为n，即获得各水功能区的控制断面设计水质Cs,i、断面入流设计水质C0,i，i＝1,2,……,n，基于遗传算法建立河流纳污能力计算公式。
步骤C，基于所述步骤A收集的水功能区的目标水质、河段长度、河段设计流量、河段污废水入河量、河段平均流速、有机污染物综合衰减系数，以及满足限制约束条件，得出各水功能区的COD、氨氮纳污能力，同时计算传统流域纳污能力计算方法下的各水功能区的COD、氨氮纳污能力，如下表2所示：
表2某流域COD和氨氮纳污能力计算
步骤D，将基于遗传算法计算的河流COD、氨氮纳污能力与传统算法计算得出的河流COD、氨氮纳污能力进行对比，对比结果见下表3，进而确定基于遗传算法的河流纳污能力模型。
表3南渡江流域COD和氨氮总纳污能力
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (3)
1.一种基于遗传算法的流域纳污能力计算方法，其特征是，建立纳污能力的优化模型，包括以下步骤：
步骤A，获得n个水功能区的目标水质Cmax，i、河段长度Li、河段设计流量Qi、河段污废水入河量Qp，i、河段平均流速ui、有机污染物综合衰减系数Ki，其中，i＝1,2,……,n；
步骤B，随机生成满足各水功能区水质约束条件的种群N个，单个个体的维度为n，即获得各水功能区的控制断面设计水质Cs,i、断面入流设计水质C0,i，i＝1,2,……,n，基于遗传算法建立河流纳污能力计算公式；
步骤C，基于所述步骤A收集的水功能区的目标水质、河段长度、河段设计流量、河段污废水入河量、河段平均流速、有机污染物综合衰减系数，以及满足限制约束条件，得出各水功能区的COD、氨氮纳污能力，同时计算传统流域纳污能力计算方法下的各水功能区的COD、氨氮纳污能力；
步骤D，将基于遗传算法计算的河流COD、氨氮纳污能力与传统算法计算得出的河流COD、氨氮纳污能力进行对比，进而确定基于遗传算法的河流纳污能力模型；
所述步骤B中的纳污能力计算模型为，
式中，W为计算河段纳污能力，g/s；Q为计算河段设计流量，m3/s；n为水功能区总数；i＝1,2...n为各水功能编号；Qp为计算河段污废水入河量，m3/s；Cs为控制断面设计水质，mg/L；C0为断面入流设计水质，mg/L，按照上一个水功能区的设计水质值Cs是为下一个水功能区的初始浓度Co值的方法确定；u为计算河段平均流速，m/s；L为计算河段长度，km；K为有机污染物综合衰减系数，1/s；
所述的基于遗传算法的流域纳污能力计算方法，耦合了遗传优化算法，所述步骤B中水功能区的控制断面设计水质Cs,i的取值，采用随机取值方式，并进行了设计水质约束和水功能区纳污能力非负约束。
2.根据权利要求1所述的基于遗传算法的流域纳污能力计算方法，其特征是，所述步骤B中各水功能区的设计水质约束具体分别如式(2)和(3)所示：
0≤Cs,i≤Cmax,i，i＝1,2...n (2)
式中：Cmax,i,i＝1,2...n表示各水功能区水质目标值。
3.根据权利要求1所述的基于遗传算法的流域纳污能力计算方法，其特征是，所述步骤B中水功能区纳污能力非负约束具体如式(4)所示：
Cs,i-C0,iexp(-KiLi/ui)≥0，i＝1,2...n (4)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110737354.4A CN113627072B (zh) | 2021-06-30 | 2021-06-30 | 一种基于遗传算法的流域纳污能力计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110737354.4A CN113627072B (zh) | 2021-06-30 | 2021-06-30 | 一种基于遗传算法的流域纳污能力计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113627072A CN113627072A (zh) | 2021-11-09 |
| CN113627072B true CN113627072B (zh) | 2023-11-21 |
Family
ID=78378765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110737354.4A Active CN113627072B (zh) | 2021-06-30 | 2021-06-30 | 一种基于遗传算法的流域纳污能力计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627072B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090111975A (ko) * | 2008-04-23 | 2009-10-28 | 재단법인서울대학교산학협력재단 | 하천유지유량을 이용한 일최대 오염허용부하량 산정방법 |
| KR20140140361A (ko) * | 2013-05-29 | 2014-12-09 | 창원대학교 산학협력단 | 앙상블 유출 예측기법을 적용한 하천 수질예측 시스템 |
| CN110619435A (zh) * | 2019-09-18 | 2019-12-27 | 西安理工大学 | 一种双层多目标优化水污染负荷分配方法 |
| CN112765829A (zh) * | 2021-01-28 | 2021-05-07 | 中国电建集团北京勘测设计研究院有限公司 | 一种考虑排污口位置影响的中小型河段纳污能力核算方法 |
-
2021
- 2021-06-30 CN CN202110737354.4A patent/CN113627072B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090111975A (ko) * | 2008-04-23 | 2009-10-28 | 재단법인서울대학교산학협력재단 | 하천유지유량을 이용한 일최대 오염허용부하량 산정방법 |
| KR20140140361A (ko) * | 2013-05-29 | 2014-12-09 | 창원대학교 산학협력단 | 앙상블 유출 예측기법을 적용한 하천 수질예측 시스템 |
| CN110619435A (zh) * | 2019-09-18 | 2019-12-27 | 西安理工大学 | 一种双层多目标优化水污染负荷分配方法 |
| CN112765829A (zh) * | 2021-01-28 | 2021-05-07 | 中国电建集团北京勘测设计研究院有限公司 | 一种考虑排污口位置影响的中小型河段纳污能力核算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郑州市贾鲁河水环境容量及污染调控研究;穆小玲;席献军;朱洪生;俞芳琴;向龙;人民黄河(第009期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113627072A (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110728035B (zh) | 一种基于控制断面水质达标的污染物总量控制方法 | |
| CN113689099B (zh) | 基于水量构成的环状河网水系水质考核断面污染负荷贡献率确定方法 | |
| CN110458359B (zh) | 一种基于未完全截污条件下的平原河网水量水质优化调控方法 | |
| CN110188959B (zh) | 一种城市内河水量水质优化调控方法 | |
| CN108717453B (zh) | 一种基于gis平台的平原河网区污染负荷计算方法 | |
| CN107451682B (zh) | 一种基于神经网络的城市感潮河段生态需水量预测方法 | |
| CN107622363B (zh) | 城市水环境质量评估方法 | |
| CN110909484A (zh) | 一种流域灰水足迹评估方法及水环境治理策略制定方法 | |
| CN109598428B (zh) | 一种基于行政单元和水系的污染物削减分配方法 | |
| CN111310327A (zh) | 一种基于削减量模型的水环境达标定量化设计方法 | |
| CN110765213A (zh) | 一种地表水流域污染源排放清单（动态清单）的编制方法 | |
| Bai et al. | Contribution rates analysis for sources apportionment to special river sections in Yangtze River Basin | |
| CN114418446A (zh) | 水资源短缺的定量评估方法 | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| Xue et al. | Development of integrated catchment and water quality model for urban rivers | |
| Zeferino et al. | Adapted optimization model for planning regional wastewater systems: case study | |
| Penn et al. | Impacts of onsite greywater reuse on wastewater systems | |
| CN115545511A (zh) | 一种生活污水污染物管道收集转输效能核算方法 | |
| Nguyen et al. | Biogeochemical functioning of an urbanized tropical estuary: Implementing the generic C-GEM (reactive transport) model | |
| CN113627072B (zh) | 一种基于遗传算法的流域纳污能力计算方法 | |
| CN112287613B (zh) | 针对流域水环境控制断面的污染物削减方法 | |
| Jiang et al. | Water quality management of heavily contaminated urban rivers using water quality analysis simulation program. | |
| CN111476451A (zh) | 一种水生态指数数据处理方法 | |
| CN113158591B (zh) | 一种确定流域土地开发利用承载力的方法 | |
| CN111598757B (zh) | 一种平原河网区城市水系流动确定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |