浙江近岸海域水质预测模型及溢油风险评价

　　《浙江近岸海域水质预测模型及溢油风险评价》分为两篇，一篇以浙江近岸海域水质监测数据为例详细介绍了目前常用的一些非机理性水质预测模型，如BP神经网络模型、Elman神经网络模型、灰色GM（1，1）模型、ARIMA模型等，并对其具体的建模过程和程序化进行了展示。此外，由于不同的预测模型具有不同的应用特征及优缺点，而模型的优化和组合能提高预测精度，因此《浙江近岸海域水质预测模型及溢油风险评价》也介绍了模型的组合优化过程，并对其预测效果进行了比对。第二篇从海洋溢油危害、风险评价的方法、研究现状等方面介绍了溢油风险评价的基础理论，建立了适用于石油储运港区的溢油风险评价指标体系，构建了基于层次分析的模糊综合评价模型，并用所建模型对舟山岙山石油储运港区的溢油风险进行了综合评价，提出了降低溢油风险的合理化建议。《浙江近岸海域水质预测模型及溢油风险评价》适合高等学校海洋科学类和环境科学类专业的教师和学生选作参考资料，也适合国内外涉及海洋环境化学、海洋化学、海洋科学与海洋技术方向的科研人员和从事相关工作的专业人员以及从事水污染控制、水环境等领域的科技人员选作参考书。

暂缺《浙江近岸海域水质预测模型及溢油风险评价》作者简介

第1篇 模型预测及程序化实现
第1章 海水监测数据预处理
1．1 数据预处理概述
1．2 数据预处理方法
第2章 海洋水质评价
2．1 水质评价方法概述
2．2 岙山海域水质现状分析
2．3 温岭海域水质现状分析
第3章 多要素水质数据分析
3．1 多变量数据分析概述
3．2 海水监测数据统计分析实例
第4章 Elman神经网络模型预测
4．1 Elman神经网络的概述
4．2 样本数据选取与处理
4．3 模型参数确定
4．4 建立并训练网络
4．5 模型检验
4．6 模型评价
第5章 BP神经网络模型预测
5．1 BP神经网络建模
5．2 样本数据选取与处理
5．3 模型参数确定
5．4 建立并训练网络
5．5 模型仿真
5．6 检验网络
5．7 结果分析
第6章 ARIMA模型预测
6．1 ARIMA模型概述
6．2 样本数据的选取
6．3 样本数据的预处理
6．4 模型阶数的确定
6．5 模型参数检验
6．6 模型预测检验
第7章 灰色GM（1，1）模型预测
7．1 灰色预测模型建模的一般机理和过程
7．2 GM（1，1）模型预测实例
第8章 组合模型预测
8．1 组合模型概述
8．2 子模型的选取
8．3 确定组合模型权重
8．4 组合模型建立
8．5 组合模型检验
第9章 基于组合模型水质预测方法的水质预警系统软件实现
9．1 软件背景
9．2 软件概述
9．3 使用说明
本篇小结
第2篇 海洋溢油模型及风险评价方法
第10章 海洋溢油模型背景简介
第11章 溢油风险评价概述
11．1 风险与风险评价
11．2 风险评价方法
11．3 溢油风险评价研究现状
11．4 溢油风险评价中的趋势与不足
第12章 溢油风险的基础理论
12．1 石油在海洋中的转归
12．2 溢油危害性理论
12．3 溢油的应急处理
第13章 石油储运港区溢油风险评价指标体系的构建
13．1 石油储运港区溢油风险的危险源分析
13．2 石油储运港区溢油风险评价指标体系的构建
第14章 石油储运港区溢油风险的模糊综合评价
14．1 因素集和评价集的确定
14．2 评价指标隶属度的确定
14．3 各级指标权重的计算
14．4 模糊综合评价模型
第15章 案例应用及相关溢油风险评价程序的开发
15．1 案例介绍
15．2 综合评价
第16章 动态溢油风险评价模型
16．1 历史数据
16．2 数据处理
16．3 数据拟合
16．4 风险评价建立
本篇小结
参考文献