河流水质指标伴生性分析及预测模型构建与应用：以太子河干流为例

　　本书基于太子河辽阳段近15年水质监测数据及相应的Landsat 8卫星OLI数据，采用主成分分析、小波分析、通径分析和综合水质标识指数等方法，分析了太子河辽阳段各水质指标的关联伴生性，评估了近15年太子河水质综合等级的变化规律，分析了影响水质指标的潜在社会、自然等影响因素。在此基础上，通过构建MIKE21水动力-水质耦合模型，阐明了太子河辽阳段主要污染指标的衰减规律，为水质指标的精准预测提供了重要依据；通过构建基于机器学习的遥感反演模型，预测并分析了氨氮、总氮以及高锰酸盐指数等指标的时空演变规律，为水质等级的实时预判提供了新方法。两者结合使用，可以提高河流水质预测的时效性和准确性， 好地指导水污染控制和管理。本书可供水利和环境相关部门的科研、管理及决策者参考使用，也可为大专院校师生提供参考。

暂缺《河流水质指标伴生性分析及预测模型构建与应用：以太子河干流为例》作者简介

前言
第1章 绪论
1.1 研究背景与意义
1.2 外研究进展与现状
1.3 研究的主要内容与技术思路
第2章 太子河干流水质的时空演变特征
2.1 研究区概况
2.2 数据获取及研究内容
2.3 数据处理与分析方法
2.4 结果与分析
2.5 本章小结
第3章 太子河干流水质指标的伴生性分析与评价
3.1 研究内容
3.2 研究方法
3.3 数据处理与分析方法
3.4 结果与分析
3.5 本章小结
第4章 基于MIKE21的太子河水质预测模型构建与应用
4.1 研究内容
4.2 研究方法
4.3 数据处理与分析方法
4.4 结果与分析
4.5 本章小结
第5章 基于BP神经网络的太子河CODMn模型构建与应用
5.1 研究内容
5.2 研究方法
5.3 数据处理与分析方法
5.4 结果与分析
5.5 本章小结
第6章 基于BP神经网络的TN与NH3-N遥感反演模型构建与应用
6.1 研究内容
6.2 研究方法
6.3 数据处理与分析方法
6.4 结果与分析
6.5 本章小结
第7章 太子河干流辽阳段水环境问题与对策
7.1 主要结论与潜在问题
7.2 原因剖析
7.3 污染防控对策
7.4 本研究技术特征及应用前景分析
参考文献