声明
摘要
1 绪论
1.1 水库生态系统概述
1.2 水库富营养化
1.3 湖库富营养化评价
1.3.1 特征法
1.3.2 参数法
1.3.3 营养状态指数法
1.3.4 生物评价法
1.3.5 数学评价法
1.4 浮游植物的生态学意义
1.4.1 浮游植物的定义及其生态作用
1.4.2 浮游植物的分类及特征
1.4.3 浮游植物群落的结构变化及其影响因素
1.4.4 浮游植物与富营养化的关系
1.5 神经网络在水生态系统中的应用
1.5.1 神经网络概况
1.5.2 BP神经网络在水体富营养化中的应用
1.6 本研究的内容与目的、意义
1.6.1 研究内容
1.6.2 研究目的与意义
1.6 技术路线
2 材料与方法
2.1 水库概况
2.2 采样点设置与采样时间
2.3 理化指标的分析方法
2.4 藻类样品的采集与鉴定
2.5 数据分析及建模
3 聚类分析法评价水库富营养化
3.1 前言
3.2 数据分析
3.3 灰色聚类分析评价富营养化的数学模型
3.3.1 确定聚类指标和灰类并进行数据的无量纲化处理
3.3.2 确定白化函数
3.3.3 各参数聚类权重的计算
3.3.4 求聚类系数及聚类结果
3.3.5 与综合营养状态指数方法和营养状态评分法的比较
3.4 结果
3.5 讨论
3.6 小结
4 浮游植物群落特征及其影响因素
4.1 前言
4.2 数据分析
4.3 结果与分析
4.3.1 浮游植物
4.3.2 环境因子的时空变化
4.3.3 浮游植物与环境因子之间的CCA分析
4.3.4 浮游植物丰度与叶绿素a的关系
4.5 讨论
4.5.1 水库水质状况
4.5.2 浮游植物群落结构与环境因子之间的关系
4.5.3 浮游植物丰度与叶绿素a的关系
4.6 小结
5 基于人工神经网络的富营养化进程模拟和污染控制对策
5.1 前言
5.2 数据分析
5.2.1 采样点设置和测定
5.2.2 数据的预处理
5.2.3 遗传算法优化BP神经网络模型的构建和应用
5.3 结果与分析
5.3.1 网络输入变量的筛选
5.3.2 神经网络模拟Chl-a
5.3.3 神经网络泛化能力检验
5.3.4 叶绿素a的压力响应模拟
5.4 讨论
5.5 小结
6 结论与展望
6.1 主要结论
6.2 展望
参考文献
在校期间参与的科研项目
致谢