水华评价的预测方法主要通过水体富营养化的程度来界定。通过对具有水体富营养化代表性指标的详细调查，判断该湖泊的营养状态，了解其富营养化进程及预测其发展趋势，为水体水质管理及富营养化防治提供科学依据。当前世界各国广泛使用的评价方法有特征法、参数法、营养状态指数法、生物指标法和入湖磷浓度、湖泊富营养化状态响应关系评价法等[172]。这些方法基本都是采用富营养化的相关因子来表征水华现象，不能达到预测、预警的目的。
自从湖泊水华问题出现以来，人们就设法通过构建模型来管理和认识湖泊富营养化。通过几十年的发展，富营养化模型无论在理论上或实践方面都有 ...... （共1023字） [阅读本文]>>
水环境系统智能化软测量与控制水环境系统软测量的基本思想是将系统建模理论与生产工艺过程知识有机结合起来，应用计算机软件技术，对水环境系统中一些难于在线测量或不能测量的重要变量 (称之为主导变量)，如出水BOD、COD等，通过选择另
水环境系统智能化软测量与控制软测量的基本原理是把系统辨识和控制系统建模理论与生产工艺过程知识结合起来，根据某种最优规则，选择一组既与主导变量有密切联系又易检测的变量，即二次变量，通过构造某种以二次变量为输入、主导变量为输出的数学
水环境系统智能化软测量与控制过程神经元的输入和连接权值均可为一个时间变化过程，并在传统神经元空间聚合运算的基础上，增加了一个时间聚合算子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时间总和效应。过程神经元由加
水环境系统智能化软测量与控制过程神经元网络是由若干个过程神经元和一般非时变神经元按照一定的拓扑结构组成的人工神经元系统。类似于传统神经元网络，过程神经元网络也可以按神经元之间的连接方式分为前向型过程神经元网络和反馈型过程神经元网
水环境系统智能化软测量与控制过程神经元网络的学习算法目前国内只有何新贵院士、许少华博士提出了几种方法[23]。主要有基于梯度下降的学习算法，该算法借鉴了传统的BP算法[111-112]; 基于函数正交基展开的学习算法，在输入空间
上一篇