书籍详情
松花江省界缓冲区水环境监测与评价
作者：高峰等 著
出版社：科学出版社
出版时间：2020-12-01
ISBN：9787030628282
定价：¥99.00
购买这本书可以去
内容简介
《松花江流域省界缓冲区水环境监测与评价》在开展松花江流域省界缓冲区水环境监测的基础上，通过研究水质评价方法（单因子评价法、趋势分析法、主成分分析法、物元分析法、聚类分析法、神经网络预测法），开展水体的微生物监测与评价，构建流域水质监测系统和评价系统，探讨人工智能算法在松花江流域省界缓冲区水质评价与预测的应用，为松花江流域省界缓冲区水环境管理提供重要科学依据。
作者简介
暂缺《松花江省界缓冲区水环境监测与评价》作者简介
目录
目录
前言
第1章 绪论 1
1.1 松花江流域概况 1
1.2 水资源质量现状 2
1.3 水资源保护面临形势与需求 2
1.4 松花江流域省界缓冲区水质监测状况 4
1.4.1 省界缓冲区水资源保护管理现状分析 4
1.4.2 省界缓冲区水质监测内容 4
1.4.3 加强省界缓冲区水资源保护对策 5
第2章 松花江流域省界缓冲区水质监测技术与方法 7
2.1 流域省界缓冲区水质监测技术 7
2.2 地表水监测规范要求 8
2.2.1 地表水功能区监测断面布设要求 8
2.2.2 采样频次与时间确定原则 9
2.2.3 河流、湖泊、水库采样频次和时间规定 9
2.2.4 样品容器的选择与使用要求 10
2.2.5 现场测定与观测要求 10
2.2.6 样品保藏方法 11
2.2.7 地表水监测项目规定 11
2.3 流域省界缓冲区水环境监测分类 12
2.3.1 理化监测 12
2.3.2 生物监测 15
2.4 松花江流域省界缓冲区控制体系 17
2.4.1 嫩江水质控制体系 19
2.4.2 第二松花江水质控制体系 22
2.4.3 松花江干流水质控制体系 22
第3章 单因子评价与趋势分析法 24
3.1 全年水质评价结果 24
3.2 汛期水质评价结果 26
3.3 非汛期水质评价结果 29
3.4 水质趋势检验分析 31
3.4.1 Mann-Kendall趋势检验分析的操作步骤 31
3.4.2 高锰酸盐指数的趋势分析 33
3.5 本章小结 34
第4章 主成分分析法 35
4.1 主成分分析法在水质评价中的应用 35
4.2 监测数据标准化处理 36
4.3 特征值及方差贡献 38
4.4 主成分载荷及主成分得分表 39
4.5 水质监测指标优化结果 40
4.6 本章小结 41
第5章 物元分析法 43
5.1 概述 43
5.2 物元分析法的应用 45
5.2.1 选取监测样本 45
5.2.2 确定物元矩阵 48
5.2.3 计算权重系数 49
5.2.4 松花江流域省界缓冲区水质评价 50
5.3 本章小结 54
第6章 聚类分析法 55
6.1 概述 55
6.2 聚类法优化水质监测断面 57
6.2.1 水质监测断面优化原则 57
6.2.2 K-均值聚类法优化水质监测断面 57
6.2.3 监测断面分类K值的确定 58
6.2.4 K-均值聚类分析优化断面的基本步骤 58
6.3 K-均值聚类法检测水质断面 60
6.3.1 全年水质K-均值聚类分析 60
6.3.2 汛期水质K-均值聚类分析 67
6.3.3 非汛期水质K-均值聚类分析 74
6.4 本章小结 81
第7章 多层感知器 82
7.1 多层感知器原理简介 82
7.2 程序运行 82
7.2.1 菜单参数 82
7.2.2 神经网络分析 84
7.3 神经网络程序结果输出与分析 87
7.3.1 结果输出 87
7.3.2 神经网络模型分析 89
7.4 本章小结 92
第8章 微生物监测与评价 93
8.1 水体中微生物监测与评价 93
8.1.1 典型断面水质情况分析 93
8.1.2 断面生物信息学分析 96
8.2 沉积物中微生物监测与评价 100
8.2.1 沉积物生物信息学分析 101
8.2.2 相关性分析 111
8.3 本章小结 116
第9章 浮游植物群落结构与环境因子相关性 117
9.1 浮游植物群落结构与环境因子的关系 117
9.2 监测方法 117
9.2.1 监测断面的选取与情况介绍 117
9.2.2 浮游植物样品采集与分析 118
9.2.3 环境因子测定方法 118
9.2.4 数据处理分析方法 118
9.3 结果与分析 119
9.3.1 松花江干流水质情况分析 119
9.3.2 松花江浮游植物群落结构特征 121
9.3.3 松花江干流浮游植物与环境因子的关系 126
9.4 本章小结 127
第10章 水质实验室管理系统 129
10.1 水质数据管理业务功能简介 129
10.1.1 基本信息录入 129
10.1.2 监测数据录入 129
10.2 管理系统主要内容 131
10.2.1 检测业务流程管理 131
10.2.2 采样到位监督 136
10.3 实验室资源管理模块 137
10.3.1 仪器管理 137
10.3.2 人员管理 138
10.3.3 器皿、试剂、样品管理 138
10.3.4 文件管理 139
10.4 系统管理模块 140
10.5 本章小结 141
第11章 水质评价系统 142
11.1 水质评价系统运行条件 142
11.1.1 服务器端运行环境 142
11.1.2 客户端运行环境 142
11.2 系统登录 143
11.2.1 系统主页 143
11.2.2 系统界面 143
11.3 系统管理 147
11.3.1 用户管理 147
11.3.2 角色管理 147
11.3.3 数据录入 148
11.3.4 监测信息录入 149
11.3.5 数据校核 149
11.3.6 数据查询与维护 149
11.4 分类评价 150
11.4.1 地表水水质评价 151
11.4.2 水功能区达标评价 152
11.5 分组评价 152
11.6 报表中心 153
11.7 本章小结 154
第12章 人工智能技术的应用 155
12.1 人工智能在流域水环境管理方面的研究进展 155
12.2 流域水环境智能管理模型及应用 156
12.2.1 基于知识的系统 156
12.2.2 遗传算法 156
12.2.3 人工神经网络 157
12.2.4 自适应模糊推理系统 157
12.2.5 深度学习 158
12.2.6 虚拟现实和增强现实技术 159
12.3 增强现实在水环境领域应用情况 160
12.3.1 增强现实在水利行业上的国内外研究进展 160
12.3.2 增强现实在水资源管理方面的关键性技术 161
12.3.3 基于GIS的增强现实监测系统 163
12.4 本章小结 165
参考文献 166
附录A Buttontest JAVA代码 168
附录B Unity 3D代码 178
彩图
前言
第1章 绪论 1
1.1 松花江流域概况 1
1.2 水资源质量现状 2
1.3 水资源保护面临形势与需求 2
1.4 松花江流域省界缓冲区水质监测状况 4
1.4.1 省界缓冲区水资源保护管理现状分析 4
1.4.2 省界缓冲区水质监测内容 4
1.4.3 加强省界缓冲区水资源保护对策 5
第2章 松花江流域省界缓冲区水质监测技术与方法 7
2.1 流域省界缓冲区水质监测技术 7
2.2 地表水监测规范要求 8
2.2.1 地表水功能区监测断面布设要求 8
2.2.2 采样频次与时间确定原则 9
2.2.3 河流、湖泊、水库采样频次和时间规定 9
2.2.4 样品容器的选择与使用要求 10
2.2.5 现场测定与观测要求 10
2.2.6 样品保藏方法 11
2.2.7 地表水监测项目规定 11
2.3 流域省界缓冲区水环境监测分类 12
2.3.1 理化监测 12
2.3.2 生物监测 15
2.4 松花江流域省界缓冲区控制体系 17
2.4.1 嫩江水质控制体系 19
2.4.2 第二松花江水质控制体系 22
2.4.3 松花江干流水质控制体系 22
第3章 单因子评价与趋势分析法 24
3.1 全年水质评价结果 24
3.2 汛期水质评价结果 26
3.3 非汛期水质评价结果 29
3.4 水质趋势检验分析 31
3.4.1 Mann-Kendall趋势检验分析的操作步骤 31
3.4.2 高锰酸盐指数的趋势分析 33
3.5 本章小结 34
第4章 主成分分析法 35
4.1 主成分分析法在水质评价中的应用 35
4.2 监测数据标准化处理 36
4.3 特征值及方差贡献 38
4.4 主成分载荷及主成分得分表 39
4.5 水质监测指标优化结果 40
4.6 本章小结 41
第5章 物元分析法 43
5.1 概述 43
5.2 物元分析法的应用 45
5.2.1 选取监测样本 45
5.2.2 确定物元矩阵 48
5.2.3 计算权重系数 49
5.2.4 松花江流域省界缓冲区水质评价 50
5.3 本章小结 54
第6章 聚类分析法 55
6.1 概述 55
6.2 聚类法优化水质监测断面 57
6.2.1 水质监测断面优化原则 57
6.2.2 K-均值聚类法优化水质监测断面 57
6.2.3 监测断面分类K值的确定 58
6.2.4 K-均值聚类分析优化断面的基本步骤 58
6.3 K-均值聚类法检测水质断面 60
6.3.1 全年水质K-均值聚类分析 60
6.3.2 汛期水质K-均值聚类分析 67
6.3.3 非汛期水质K-均值聚类分析 74
6.4 本章小结 81
第7章 多层感知器 82
7.1 多层感知器原理简介 82
7.2 程序运行 82
7.2.1 菜单参数 82
7.2.2 神经网络分析 84
7.3 神经网络程序结果输出与分析 87
7.3.1 结果输出 87
7.3.2 神经网络模型分析 89
7.4 本章小结 92
第8章 微生物监测与评价 93
8.1 水体中微生物监测与评价 93
8.1.1 典型断面水质情况分析 93
8.1.2 断面生物信息学分析 96
8.2 沉积物中微生物监测与评价 100
8.2.1 沉积物生物信息学分析 101
8.2.2 相关性分析 111
8.3 本章小结 116
第9章 浮游植物群落结构与环境因子相关性 117
9.1 浮游植物群落结构与环境因子的关系 117
9.2 监测方法 117
9.2.1 监测断面的选取与情况介绍 117
9.2.2 浮游植物样品采集与分析 118
9.2.3 环境因子测定方法 118
9.2.4 数据处理分析方法 118
9.3 结果与分析 119
9.3.1 松花江干流水质情况分析 119
9.3.2 松花江浮游植物群落结构特征 121
9.3.3 松花江干流浮游植物与环境因子的关系 126
9.4 本章小结 127
第10章 水质实验室管理系统 129
10.1 水质数据管理业务功能简介 129
10.1.1 基本信息录入 129
10.1.2 监测数据录入 129
10.2 管理系统主要内容 131
10.2.1 检测业务流程管理 131
10.2.2 采样到位监督 136
10.3 实验室资源管理模块 137
10.3.1 仪器管理 137
10.3.2 人员管理 138
10.3.3 器皿、试剂、样品管理 138
10.3.4 文件管理 139
10.4 系统管理模块 140
10.5 本章小结 141
第11章 水质评价系统 142
11.1 水质评价系统运行条件 142
11.1.1 服务器端运行环境 142
11.1.2 客户端运行环境 142
11.2 系统登录 143
11.2.1 系统主页 143
11.2.2 系统界面 143
11.3 系统管理 147
11.3.1 用户管理 147
11.3.2 角色管理 147
11.3.3 数据录入 148
11.3.4 监测信息录入 149
11.3.5 数据校核 149
11.3.6 数据查询与维护 149
11.4 分类评价 150
11.4.1 地表水水质评价 151
11.4.2 水功能区达标评价 152
11.5 分组评价 152
11.6 报表中心 153
11.7 本章小结 154
第12章 人工智能技术的应用 155
12.1 人工智能在流域水环境管理方面的研究进展 155
12.2 流域水环境智能管理模型及应用 156
12.2.1 基于知识的系统 156
12.2.2 遗传算法 156
12.2.3 人工神经网络 157
12.2.4 自适应模糊推理系统 157
12.2.5 深度学习 158
12.2.6 虚拟现实和增强现实技术 159
12.3 增强现实在水环境领域应用情况 160
12.3.1 增强现实在水利行业上的国内外研究进展 160
12.3.2 增强现实在水资源管理方面的关键性技术 161
12.3.3 基于GIS的增强现实监测系统 163
12.4 本章小结 165
参考文献 166
附录A Buttontest JAVA代码 168
附录B Unity 3D代码 178
彩图
猜您喜欢
