●前言
第1章 緒論 1
1.1 松花江典型河湖水質狀況分析 1
1.1.1 河流水資源質量狀況 1
1.1.2 重要江河湖泊水功能區水質達標狀況 1
1.1.3 省（區）界及其他重要水體水資源質量狀況 2
1.1.4 松花江區重要大中型水庫 2
1.2 河湖水質綜合評價與預測情況分析 2
1.2.1 河湖水質評價研究情況 2
1.2.2 河湖水質預測研究情況 2
1.3 流域水環境管理中的水質評價法概況 3
1.3.1 水質指標的選擇 3
1.3.2 水質指標的預處理 3
1.3.3 權重繫數的確定 4
1.3.4 主成分分析法 6
1.3.5 聚類分析 6
1.3.6 綜合值的處理 6
1.3.7 計算機智能模型法 7
1.4 流域水環境管理中的水質預測方法 8
1.4.回歸預測法 9
1.4.2 時間序列法 9
1.4.3 馬爾可夫法 9
1.4.4 人工神經網絡預測法 9
1.4.5 貝葉斯網絡法 10
1.4.6 其他預測方法 11
1.5 本章小結 11
第2章 基礎評價方法 12
2.1 概述 12
2.1.1 單因子評價法 12
2.1.2 內梅羅污染指數法 13
2.2 單因子評價法應用 13
2.2.1 斷面選取 13
2.2.2 水質評價指標 15
2.2.3 單因子評價法的常見應用 16
2.3 內梅羅污染指數法應用 20
2.3.1 斷面選取 20
2.3.2 水質指標分析 21
2.3.3 內梅羅污染指數變化分析 25
2.4 省界緩衝區監管具體對策及建議 26
2.5 本章小結 27
第3章 主成分分析法與因子分析法 28
3.1 主成分分析法簡介 28
3.2 SPSS軟件及其使用方法 28
3.3 主成分分析法在松花江流域省界緩衝區管理中的應用 30
3.3.1 監測數據標準化處理 31
3.3.2 檢驗是否符合主成分分析條件 32
3.3.3 特征根及方差貢獻 32
3.3.4 主成分負荷及主成分得分 33
3.4 因子分析法簡介 34
3.5 因子分析的使用方法 35
3.6 因子分析法在嫩江流域省界緩衝區水質分析的應用 36
3.6.1 2011年嫩江流域省界緩衝區重要斷面因子分析 36
3.6.2 2013年嫩江流域省界緩衝區重要斷面因子分析 40
3.6.3 2011～2015年大河斷面因子分析 43
3.6.4 大河斷面污染情況綜合分析 44
3.7 本章小結 45
第4章 層次分析法 46
4.1 概述 46
4.2 AHP的指標體繫構建原則 49
4.3 尼爾基水庫指標體繫構建 50
4.3.1 監測斷面布置 50
4.3.2 監測項目和分析方法 51
4.3.3 評價指標體繫建立 51
4.3.4 指標權重的確定 51
4.3.5 構建判斷矩陣 51
4.4 AHP的應用 53
4.4.1 評價方法 53
4.4.2 數據收集與分析 53
4.4.3 指標層評價值的確定 55
4.4.4 要素層評價 55
4.5 本章小結 56
第5章 聚類分析法 57
5.1 概述 57
5.1.1 K-均值聚類分析 57
5.1.2 模糊聚類分析 59
5.2 K-均值聚類法的應用 60
5.2.1 水質監測斷面優化原則 60
5.2.2 K-均值聚類法優化水質監測斷面 61
5.2.3 監測斷面分類 K值的確定 61
5.2.4 K-均值聚類優化斷面基本步驟 62
5.2.5 K-均值聚類對斷面優化結果與分析 63
5.3 模糊聚類法的應用 70
5.3.1 確定分類對像及標準化樣本數據 70
5.3.2 建立模糊相似關繫 72
5.3.3 建立模糊等價關繫 72
5.3.4 對各監測斷面進行聚類 73
5.3.5 模糊聚類評價結果分析 78
5.4 本章小結 79
第6分析法 80
6.1 概述 80
6.1.的確定 80
6.1.2 關聯度的確定 81
6.1.3 計算權繫數 81
6.1.4 水質類別的確定 82
6.分析法的應用 82
6.2.1 選取監測樣本 82
6.2.2 矩陣 85
6.2.3 計算權繫數 86
6.2.4 松花江流域省界緩衝區水質評價 87
6.3 本章小結 90
第7章 模糊綜合評價法 91
7.1 概述 91
7.2 模糊綜合評價法的計算方法與流程 91
7.2.1 確定模糊關繫矩陣 91
7.2.2 確定權重向量 92
7.2.3 模糊綜合評價 93
7.3 模糊綜合評價法的應用 93
7.3.1 斷面布置 93
7.3.2 選取評價指標 93
7.3.3 評價結果與分析 96
7.4 本章小結 100
第8章 灰色分析法 101
8.1 概述 101
8.2 灰色分析法計算方法與流程 102
8.2.1 確定聚類白化數 102
8.2.2 數據的標準化處理 102
8.2.3 確定白化函數及白化矩陣 102
8.2.4 求聚類權 103
8.2.5 求聚類繫數 103
8.3 灰色分析法的應用 103
8.3.1 新立城水庫概述 103
8.3.2 水質指標的選取 104
8.3.3 灰色分析法評價結果分析 105
8.4 本章小結 112
第9章 雲模型方法 113
9.1 概述 113
9.1.1 數據的小失真預處理方法 113
9.1.2 雲模型及確定度的計算 114
9.1.3 污染貢獻率法及熵權法的選擇 116
9.1.4 綜合值的處理 117
9.2 雲模型法綜合評價法的應用 117
9.2.1 數據的篩選 117
9.2.2 新立城水庫水質綜合評價 117
9.2.3 評價結果分析 118
9.3 本章小結 119
第10回歸法 120
10.1 概述 120
10.2 尼爾基水庫情況及檢測指標 121
10.2.1 尼爾基水庫概況 121
10.2.2 檢測項目 121
10.2.3 軟件及使用方法 122
10.回歸法建立尼爾基水庫壩前葉綠素a線性回歸模型 122
10.3.1 尼爾基水庫葉綠素a線性回歸模型-壩前汛期 122
10.3.2 尼爾基水庫葉綠素a線性回歸模型-壩前非汛期 125
10.3.3 回歸模型預測分析-壩前汛期水質 126
10.3.4 回歸模型預測分析-壩前非汛期 127
10.回歸法建立尼爾基水庫庫末葉綠素a線性回歸模型 128
10.4.1 尼爾基水庫葉綠素a線性回歸模型-庫末汛期 128
10.4.2 尼爾基水庫庫末葉綠素a線性回歸模型-庫末非汛期 130
10.4.3 回歸模型預測分析-庫末汛期 132
10.4.4 回歸模型預測分析-庫末非汛期 133
10.5 本章小結 134
第11章 時間序列法 135
11.1 時間序列法簡介 135
11.2 時間序列平滑法計算方法與流程 135
11.2.1 移動平均法 135
11.2.2 指數平滑法 136
11.3 時間序列法的應用 137
11.4 本章小結 143
第12章 馬爾可夫法 144
12.1 馬爾可夫法簡介 144
12.2 馬爾可夫法計算方法與流程 144
12.2.1 劃分預測對像狀態 144
12.2.2 計算初始概率pi 145
12.2.3 計算狀態的一步轉移概率pij 145
12.2.4 預測 145
12.3 馬爾可夫法的應用 146
12.3.1 磨盤山水庫簡介 146
12.3.2 葉綠素a、氮、磷含量預測 146
12.4 本章小結 149
第13章 BP神經網絡法 151
13.1 概述 151
13.1.1 BP神經網絡的結構 151
13.1.2 標準BP神經網絡算法 152
13.2 BP神經網絡法的應用 153
13.2.1 評價背景 153
13.2.2 評價指標與數據的選取 153
13.2.3 BP神經網絡模型的建立 156
13.2.4 評價結果分析 157
13.3 BP神經網絡模型預測尼爾基水庫水質 158
13.3.1 預測背景 158
13.3.2 BP神經網絡的構建 158
13.3.3 數據的標準化處理 159
13.3.4 尼爾基水庫水質預測 162
13.4 本章小結 163
第14章 貝葉斯網絡評價法 165
14.1 概述 165
14.1.1 貝葉斯網絡技術原理 165
14.1.2 貝葉斯網絡技術發展階段 165
14.1.3 貝葉斯網絡技術的優勢 166
14.2 貝葉斯網絡評價法計算方法及功能 166
14.2.1 貝葉斯網絡模型方法 166
14.2.2 基於貝葉斯理論的水質評價 167
14.2.3 基於貝葉斯統計推斷的水環境模型參數識別 167
14.2.4 貝葉斯網絡技術在流域水環境模型預測中的應用 167
14.2.5 貝葉斯網絡的功能 168
14.3 貝葉斯網絡算法的應用 168
14.3.1 設計思路 168
14.3.2 基於貝葉斯技術評價與預測尼爾基水庫水質 169
14.3.3 貝葉斯網絡模型模擬結果 171
14.4 水環境成分貝葉斯網絡數據分析軟件開發 180
14.4.1 軟件功能 180
14.4.2 軟件運行條件及過程 180
14.5 本章小結 184
第15章 典型河湖水質評價與預測平臺 185
15.1 典型河湖水質評價與預測平臺構建 185
15.2 軟件模塊及功能設計 186
15.2.1 典型河湖水質評價方法平臺 186
15.2.2 典型河湖水質預測方法平臺 187
15.3 典型河湖水質評價與預測平臺應用 187
15.3.1 測試數據——以石頭口門水庫數據為例 187
15.3.2 水質評價模塊操作步驟 188
15.3.3 水質預測模塊操作步驟 192
15.4 方法改進向導及一鍵測評的介紹 196
15.4.1 評價方法改進向導及一鍵評價 196
15.4.2 預測方法改進向導及一鍵預測 198
15.4.3 實例應用 199
……

松花江流域水環境質量評價方法通常比較單一，評價結果與實際水質狀況存在偏差，且對水質的預測研究相對較少，致使流域水環境管理缺乏科學的理論依據。本項目擬在對比和分析現行水質評價的典型方法和水質預測方法的基礎上，根據各水質評價、預測方法的適用條件以及優缺點等，將水庫水質綜合評價平臺和智能預測平臺進行融合，采用Matlab技術實現平臺的可視化，利用該平臺進行松花江典型河流（第二松花江、嫩江、松花江干流）和水庫（新立城、石頭口門、磨盤山水庫、大慶水庫、紅旗水庫、桃山水庫、尼爾基水庫等）水質的綜合評價（單因子評價法、模糊綜合評價法、灰色繫統評價法、主成分分析法、層次分析法）和智能預測（包括BP人工神經網絡法、時間序列法、灰色繫統評價法）。本項目開發的可視化平臺可實現水庫水質綜合評價結果科學合理、預測功能快捷智能，對於進行合理的水庫水質綜合評價、預測具有重要的理論意義。