CN115983669A - 一种简化河湖地表水水质评价的方法与系统 - Google Patents

一种简化河湖地表水水质评价的方法与系统 Download PDF

Info

Publication number
CN115983669A
CN115983669A CN202211536612.3A CN202211536612A CN115983669A CN 115983669 A CN115983669 A CN 115983669A CN 202211536612 A CN202211536612 A CN 202211536612A CN 115983669 A CN115983669 A CN 115983669A
Authority
CN
China
Prior art keywords
water quality
evaluation
water
index
indexes
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.)
Pending
Application number
CN202211536612.3A
Other languages
English (en)
Inventor
朱翔
左德智
汪龙眠
彭福全
庞晴晴
谢磊
王丹
王灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Tianxi Environmental Protection Technology Co ltd
Nanjing Institute of Environmental Sciences MEE
Original Assignee
Xinjiang Tianxi Environmental Protection Technology Co ltd
Nanjing Institute of Environmental Sciences MEE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinjiang Tianxi Environmental Protection Technology Co ltd, Nanjing Institute of Environmental Sciences MEE filed Critical Xinjiang Tianxi Environmental Protection Technology Co ltd
Priority to CN202211536612.3A priority Critical patent/CN115983669A/zh
Publication of CN115983669A publication Critical patent/CN115983669A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种简化河湖地表水水质评价的方法，包括以下步骤：步骤1、确定待评价河湖地表水域水质评价因子和评价断面；步骤2、再整合归纳往年待评价河湖地表水域的多个水质数据；步骤3、根据水质实测数据，对水质各评价因子分别进行权重计算；步骤4、基于步骤3得到水质各评价因子检验结果，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子；步骤5、基于步骤4的权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程。本发明有效解决了目标河流湖泊区域地表水水质评价指标冗多、灵活性低的问题，改善地表水水质评价的复杂性和评价工作的效果，且改进不适用水质特异性大的地表水体区域的技术问题。

Description

一种简化河湖地表水水质评价的方法与系统
技术领域
本发明涉及地表水环境质量评价相关技术领域，尤其涉及一种简化河湖地表水水质评价的方法与系统。
背景技术
在过去的十年中，中国在水生态环境保护方面实施了一系列的政策，投入了大量的人力物力，但是河湖地表水水水质问题威胁流域的水生态安全，制约着河湖流域经济社会的发展，水质评价和变化趋势分析俨然成为保护河湖水生态环境的基础工作；
针对以上问题，目前市面上常用的水质评价方法有单因子评价、综合污染指数法等，在水质评估过程中均有弊端，单因子评价法评价结果普遍过于保守，综合污染指数法忽略了不同评价指标在真实水环境中的重要差异及评价结果不直观和清晰，综合来看常用的评价方法主要存在两个问题：复杂性和不确定性，复杂性和不确定性分别侧重于水质参数的多样和水质参数的变化如何影响最终指数值，很少关注对参数因子的排名，导致常用的水质评价方法在进行河湖地表水水质评价的过程变得繁琐复杂，影响其河湖地表水水质评价的效率；
为了解决评价过程的复杂性和不确定性问题，因此，本发明构建了一套一种简化河湖地表水水质评价的方法与系统。
发明内容
本发明的目的在于提供一种简化河湖地表水水质评价的方法与系统，以解决上述技术问题。
本发明为解决上述技术问题，采用以下技术方案来实现：
一种简化河湖地表水水质评价的方法，包括以下步骤：
步骤1、先确定待评价河湖地表水域水质评价因子和评价断面；
步骤2、再整合归纳往年待评价河湖地表水域的多个水质数据，每个水质数据包括相同个数的多项水质参数；
步骤3、根据水质实测数据，对水质各评价因子分别进行权重计算，得到评价因子权重序列；
步骤4、基于步骤3得到水质各评价因子检验结果，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子，得到水质评价因子权重数据；
步骤5、基于步骤4的权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程。
进一步的，所述步骤2中，在进行整合归纳往年待评价河湖地表水域多个水质数据时是基于往年所记录的GB3838-2002中综合24项地表水水质因子实测数据，对待评价水域中多个水质参数数据进行统一集中处理，得到综合得分处理结果。
进一步的，所述综合24项指标对水质指数进行水质评价得分计算，计算公式如下：
Ci,k≤Ci≤Ci,k+1，
Ci≤Ci,1，Ii＝0；Ci,5≤Ci，Ii＝100。
此外，当6≤pH≤9时，I＝0；否则，I＝100；人为造成的环境水温变化应限制在:周平均最大温升≤1℃，周平均最大温降≤2℃时，I＝0；否则，I＝100。
WQI值为所有Ii的平均值，即
其中，Ci是评估中第i个参数的浓度；Ci,k和Ci,k+1分别是k类和k+1类第i个参数的正常浓度；Ii是第i个参数的WQI值；n是GB3838-2002中第i个参数的相同标准值的编号；Ii,k是k类的对应值；I、II、III、IV和V类的值分别为20、40、60、80和100。
WQI的最大值和最小值分别为100和0，其中较高的值表示水质状况较差。根据WQI得分，水质分为五个等级：差(100-81)、劣(80-61)、中(60-41)、良(40-21)，以及优秀(20-0)。
进一步的，所述步骤4中，所述指标数据筛选出重要指标，采用灰色关联度分析法对所述指标数据进行分析，根据得到的灰色关联度分析结果对各所述指标集中的指标进行筛选，确定重要指标，计算各所述重要指标的灰色关联度分析关联度和排名。
进一步的，所述步骤5中，基于权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程，构建以驱动性评价因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
一种简化河湖地表水水质评价的系统，应用于权利要求5所述的一种简化河湖地表水水质评价的方法，包括
数据输入端，确定目标区域内河流、湖泊地表水体水质指数及相对应的指标集，输入往年长时间序列各水质指标监测数据；
水质指数计算端，根据所述指标，使用评价方法计算各重要指标的标准化值和权重，根据得到的标准化值和权重计算各河流、湖泊等地表水体水质指数的水质得分值，进行划分等级；
关联因子筛选端，根据所述目标区域河流湖泊水体的水质指数，将各水质指标因子与水质得分进行灰色关联度分析处理，给每个污染指标都赋予不同的权重，得出每个指标与水质之间的关联程度大小；
拟合分析端，根据关联因子筛选端灰色关联程度大小确定重要水质指标，利用多元线性逐步回归计算筛选指标集与水质得分间的回归方程，并与实际水质得分进行误差分析，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子；
返回端，拟合模型所得结果与归纳各种指标综合得分进行对比，单个误差大于10％或平均误差在5％以上，重新进行增加或删除指标进一步更换指数为求得程度更好的拟合模型；
简化模型输出端，确定重要指标，输出水质指数对筛选出的驱动因子的多元回归方程，根据简化的指标开展后续监测，并构建可实时检测、计算、预警的以驱动因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
进一步的，所述返回端对模型进行计算WQI得分值与简化前WQI误差分析，计算公式如下：
本发明的有益效果是：
本发明建立了一套全新的简化河湖地表水水质评价系统，采用河流多个监测断面水质实测数据进行各评价因子综合污染指数计算、各评价因子权重计算以及水质综合评价指数计算，既考虑到各评价因子水质数据本身的变化程度，突出影响水质状况的核心因子又不会过度受控于某单个因子，评价结果更为全面和客观，本发明解决了目标河流湖泊区域地表水水质评价指标冗多、灵活性低，且不适用水质特异性大的地表水体区域的技术问题。
附图说明
图1为本发明一种简化河湖地表水水质评价的方法流程示意图；
图2为本发明一种简化河湖地表水水质评价的系统原理框图；
附图标记：T1、数据输入端；T2、水质指数计算端；T3、关联因子筛选端；T4、拟合分析端；T5、返回端；T6、简化模型输出端。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例和附图，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。
下面结合附图描述本发明的具体实施例。
实施例
如图1-2所示，一种简化河湖地表水水质评价的方法，包括以下步骤：
包括操作一如下步骤：
步骤1、先确定待评价河湖地表水域水质评价因子和评价断面；
步骤2、再整合归纳往年待评价河湖地表水域的多个水质数据，每个水质数据包括相同个数的多项水质参数；
步骤3、根据水质实测数据，对水质各评价因子分别进行权重计算，得到评价因子权重序列；
步骤4、基于步骤3得到水质各评价因子检验结果，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子，得到水质评价因子权重数据；
步骤5、基于步骤4的权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程。
所述步骤2中，在进行整合归纳往年待评价河湖地表水域多个水质数据时是基于往年所记录的GB3838-2002中综合24项地表水水质因子实测数据，对待评价水域中多个水质参数数据进行统一集中处理，得到综合得分处理结果。
所述综合24项指标对水质指数进行水质评价得分计算，计算公式如下：
Ci,k≤Ci≤Ci,k+1，
Ci≤Ci,1，Ii＝0；Ci,5≤Ci，Ii＝100。
此外，当6≤pH≤9时，I＝0；否则，I＝100；人为造成的环境水温变化应限制在:周平均最大温升≤1℃，周平均最大温降≤2℃时，I＝0；否则，I＝100。
WQI值为所有Ii的平均值，即
其中，Ci是评估中第i个参数的浓度；Ci,k和Ci,k+1分别是k类和k+1类第i个参数的正常浓度；Ii是第i个参数的WQI值；n是GB3838-2002中第i个参数的相同标准值的编号；Ii,k是k类的对应值；I、II、III、IV和V类的值分别为20、40、60、80和100。
WQI的最大值和最小值分别为100和0，其中较高的值表示水质状况较差。根据WQI得分，水质分为五个等级：差(100-81)、劣(80-61)、中(60-41)、良(40-21)，以及优秀(20-0)。
表1WQI得分
表2水质指数评分分级
通过表1、表2直观得出历年来河湖地表水水质指数进行水质评价得分计算及水质评分分级。
所述步骤4中，所述指标数据筛选出重要指标，采用灰色关联度分析法对所述指标数据进行分析，根据得到的灰色关联度分析结果对各所述指标集中的指标进行筛选，确定重要指标，计算各所述重要指标的灰色关联度分析关联度和排名。
所述步骤5中，基于权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程，构建以驱动性评价因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
一种简化河湖地表水水质评价的系统，应用于权利要求5所述的一种简化河湖地表水水质评价的方法，包括
数据输入端，确定目标区域内河流、湖泊地表水体水质指数及相对应的指标集，输入往年长时间序列各水质指标监测数据；
水质指数计算端，根据所述指标，使用评价方法计算各重要指标的标准化值和权重，根据得到的标准化值和权重计算各河流、湖泊等地表水体水质指数的水质得分值，进行划分等级；
关联因子筛选端，根据所述目标区域河流湖泊水体的水质指数，将各水质指标因子与水质得分进行灰色关联度分析处理，给每个污染指标都赋予不同的权重，得出每个指标与水质之间的关联程度大小；
拟合分析端，根据关联因子筛选端灰色关联程度大小确定重要水质指标，利用多元线性逐步回归计算筛选指标集与水质得分间的回归方程，并与实际水质得分进行误差分析，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子；
返回端，拟合模型所得结果与归纳各种指标综合得分进行对比，单个误差大于10％或平均误差在5％以上，重新进行增加或删除指标进一步更换指数为求得程度更好的拟合模型；
简化模型输出端，确定重要指标，输出水质指数对筛选出的驱动因子的多元回归方程，根据简化的指标开展后续监测，并构建可实时检测、计算、预警的以驱动因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
所述返回端对模型进行计算WQI得分值与简化前WQI误差分析，计算公式如下：
具体简化流程结果如下表格所示：
表3关联度结果和排名
表3，用于根据目标河湖地表水域所面临的水质污染确定多个驱动评价因子，并对各所述评价因子进行标准化处理，得到各所述评价因子的关联程度与权重值。
表4拟合结果
根据拟合模型输出结果可知，输出结果分别为：
模型4：WQI＝26.538+0.715×CODcr+3.625×BOD5+4.922*TN-1.722×DO
模型3：WQI＝30.07+0.80×CODcr+3.28×BOD5-1.58×DO
模型2：WQI＝39.63+0.79×CODcr-1.66×DO
模型1：WQI＝21.08+0.91×CODcr
表4，用于根据各评价因子的关联权重值和水质指数的水质指数得分值，利用多元线性逐步回归建立各水质指数与驱动因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，根据得到的检验结果，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子。
表5模型误差检验
通过表5所示，为拟合模型所得结果与归纳各种指标综合得分进行对比，单个误差大于10％或平均误差在5％以上，重新进行增加或删除指标进一步更换指数为求得程度更好的拟合模型。
用于建立各所述水质指数对筛选出的驱动因子的响应方程，根据所述响应方程和各所述水质指数的权重，构建以驱动因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统，具体操作误差或平均误差如下计算：
对模型k进行计算WQI得分值与简化前WQI误差分析，计算公式如下：
计算结果如下表5，模型4简化水质指数效果加好。可以发现最符合单误差在10％以内且平均误差在5％以下，并且模型4的R2 max＝0.928，且显著性P＜0.01，故采用模型4，输出结果为：
WQI＝26.538+0.715×CODcr+3.625×BOD5+4.922*TN-1.722×DO
综上所述，本发明合理减少水质指标的数量以简化评估过程，在实际河湖地表水体水质的应用中，可由几十个水质属性减少到某几个重要属性以决定所审议目标段和时期的整体水质，从而应用于中国的水环境质量评估，因此，为使河流湖泊等地表水体水质评价结果更为直观、全面与客观，构建一套简化河湖地表水质综合评价体系变得有意义，改善地表水水质评价的复杂性和评价工作的效果，且改进不适用水质特异性大的地表水体区域的技术问题。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种简化河湖地表水水质评价的方法，其特征在于：包括以下步骤：
步骤1、先确定待评价河湖地表水域水质评价因子和评价断面；
步骤2、再整合归纳往年待评价河湖地表水域的多个水质数据，每个水质数据包括相同个数的多项水质参数；
步骤3、根据水质实测数据，对水质各评价因子分别进行权重计算，得到评价因子权重序列；
步骤4、基于步骤3得到水质各评价因子检验结果，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子，得到水质评价因子权重数据；
步骤5、基于步骤4的权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程。
2.根据权利要求1所述的一种简化河湖地表水水质评价的方法，其特征在于：所述步骤2中，在进行整合归纳往年待评价河湖地表水域多个水质数据时是基于往年所记录的GB3838-2002中综合24项地表水水质因子实测数据，对待评价水域中多个水质参数数据进行统一集中处理，得到综合得分处理结果。
3.根据权利要求2所述的一种简化河湖地表水水质评价的方法，其特征在于：所述综合24项指标对水质指数进行水质评价得分计算，计算公式如下：
Ci,k≤Ci≤Ci,k+1，
Figure FDA0003975786810000011
Ci≤Ci,1，Ii＝0；Ci,5≤Ci，Ii＝100。
此外，当6≤pH≤9时，I＝0；否则，I＝100；人为造成的环境水温变化应限制在:周平均最大温升≤1℃，周平均最大温降≤2℃时，I＝0；否则，I＝100。
WQI值为所有Ii的平均值，即
Figure FDA0003975786810000021
其中，Ci是评估中第i个参数的浓度；Ci,k和Ci,k+1分别是k类和k+1类第i个参数的正常浓度；Ii是第i个参数的WQI值；n是GB3838-2002中第i个参数的相同标准值的编号；Ii,k是k类的对应值；I、II、III、IV和V类的值分别为20、40、60、80和100。
WQI的最大值和最小值分别为100和0，其中较高的值表示水质状况较差。根据WQI得分，水质分为五个等级：差(100-81)、劣(80-61)、中(60-41)、良(40-21)，以及优秀(20-0)。
4.根据权利要求1所述的一种简化河湖地表水水质评价的方法，其特征在于：所述步骤4中，所述指标数据筛选出重要指标，采用灰色关联度分析法对所述指标数据进行分析，根据得到的灰色关联度分析结果对各所述指标集中的指标进行筛选，确定重要指标，计算各所述重要指标的灰色关联度分析关联度和排名。
5.根据权利要求1所述的一种简化河湖地表水水质评价的方法，其特征在于：所述步骤5中，基于权重数据，利用多元逐步回归分析建立各水质指数与评价因子的回归方程，对建立的各回归方程进行总体显著性检验和回归系数显著性检验，得出模拟水质模型，对简化数据进行分类判别，得出水质评价得分结果，输出水质评价方程，构建以驱动性评价因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
6.一种简化河湖地表水水质评价的系统，应用于权利要求5所述的一种简化河湖地表水水质评价的方法，其特征在于：包括
数据输入端，确定目标区域内河流、湖泊地表水体水质指数及相对应的指标集，输入往年长时间序列各水质指标监测数据；
水质指数计算端，根据所述指标，使用评价方法计算各重要指标的标准化值和权重，根据得到的标准化值和权重计算各河流、湖泊等地表水体水质指数的水质得分值，进行划分等级；
关联因子筛选端，根据所述目标区域河流湖泊水体的水质指数，将各水质指标因子与水质得分进行灰色关联度分析处理，给每个污染指标都赋予不同的权重，得出每个指标与水质之间的关联程度大小；
拟合分析端，根据关联因子筛选端灰色关联程度大小确定重要水质指标，利用多元线性逐步回归计算筛选指标集与水质得分间的回归方程，并与实际水质得分进行误差分析，从各驱动因子中筛选出对各水质指数产生显著影响的驱动因子；
返回端，拟合模型所得结果与归纳各种指标综合得分进行对比，单个误差大于10％或平均误差在5％以上，重新进行增加或删除指标进一步更换指数为求得程度更好的拟合模型；
简化模型输出端，确定重要指标，输出水质指数对筛选出的驱动因子的多元回归方程，根据简化的指标开展后续监测，并构建可实时检测、计算、预警的以驱动因子为输入、以水质指数为输出的目标河湖地表水域水质评价系统。
7.根据权利要求6所述的一种简化河湖地表水水质评价的方法与系统，其特征在于：所述返回端对模型进行计算WQI得分值与简化前WQI误差分析，计算公式如下：
Figure FDA0003975786810000031
Figure FDA0003975786810000041
CN202211536612.3A 2022-12-01 2022-12-01 一种简化河湖地表水水质评价的方法与系统 Pending CN115983669A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211536612.3A CN115983669A (zh) 2022-12-01 2022-12-01 一种简化河湖地表水水质评价的方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211536612.3A CN115983669A (zh) 2022-12-01 2022-12-01 一种简化河湖地表水水质评价的方法与系统

Publications (1)

Publication Number Publication Date
CN115983669A true CN115983669A (zh) 2023-04-18

Family

ID=85971269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211536612.3A Pending CN115983669A (zh) 2022-12-01 2022-12-01 一种简化河湖地表水水质评价的方法与系统

Country Status (1)

Country Link
CN (1) CN115983669A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078114A (zh) * 2023-10-16 2023-11-17 水利部交通运输部国家能源局南京水利科学研究院 引水工程影响下受水湖泊水质评价方法和系统
CN117372891A (zh) * 2023-12-07 2024-01-09 中铁水利水电规划设计集团有限公司 一种利用卫星遥感影像进行水深反演的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078114A (zh) * 2023-10-16 2023-11-17 水利部交通运输部国家能源局南京水利科学研究院 引水工程影响下受水湖泊水质评价方法和系统
CN117078114B (zh) * 2023-10-16 2023-12-22 水利部交通运输部国家能源局南京水利科学研究院 引水工程影响下受水湖泊水质评价方法和系统
CN117372891A (zh) * 2023-12-07 2024-01-09 中铁水利水电规划设计集团有限公司 一种利用卫星遥感影像进行水深反演的方法
CN117372891B (zh) * 2023-12-07 2024-02-13 中铁水利水电规划设计集团有限公司 一种利用卫星遥感影像进行水深反演的方法

Similar Documents

Publication Publication Date Title
CN115983669A (zh) 一种简化河湖地表水水质评价的方法与系统
CN110636066B (zh) 基于无监督生成推理的网络安全威胁态势评估方法
CN108256482A (zh) 一种基于卷积神经网络进行分布学习的人脸年龄估计方法
CN115577018A (zh) 一种水质监测数据的智能处理方法及系统
CN111967717A (zh) 一种基于信息熵值的数据质量评价方法
CN113516228B (zh) 一种基于深度神经网络的网络异常检测方法
CN112966891A (zh) 一种河流水环境质量预测方法
CN115983981B (zh) 一种基于金融数据分析的信用风险评估系统
CN113011661A (zh) 一种用于河流生态修复的曝气控制系统及其控制方法
CN113157732A (zh) 一种基于pso-bp神经网络的地下铲运机故障诊断方法
CN110751176A (zh) 一种基于决策树算法的湖泊水质预测方法
CN113641733B (zh) 一种河道断面流量实时智能推求方法
CN109657287B (zh) 基于综合得分法水文模型精度识别的方法
CN112365093A (zh) 一种基于gru深度学习的多特征因子赤潮预测模型
CN113298148B (zh) 一种面向生态环境评价的不平衡数据重采样方法
Sánchez et al. A software system for the microbial source tracking problem
CN113239730B (zh) 一种基于计算机视觉的结构虚假模态参数自动剔除方法
CN114970813A (zh) 一种溶解氧浓度数据修复及预报方法
CN113902327A (zh) 一种海上风电场基础结构腐蚀健康状态的评估方法及系统
CN112801556A (zh) 一种工业企业排污行为的区域影响程度评估方法及系统
CN114580759B (zh) 一种城市低碳减排评估系统
CN112149991A (zh) 一种考虑水质变化趋势的河湖主要污染断面识别方法
CN114755387B (zh) 基于假设检验法的水体监测点位优化方法
CN117149551B (zh) 一种车载无线通信芯片的测试方法
CN115906591B (zh) 一种基于XGBoost网络的油井动液面计算方法

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