洪湖水质富营养化评价方法比较

孙咏曦; 陈燕飞; 周元; 董玉茹

doi:10.20040/j.cnki.1000-7709.2023.20230294

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

洪湖水质富营养化评价方法比较

水文水资源与环境 | 更新时间：2026-02-25

- 洪湖水质富营养化评价方法比较
- 洪湖水质富营养化评价方法比较
- 水电能源科学 2023年第9期页码：36-39+5
- 作者机构：
  
  1. 长江大学资源与环境学院
  2. 湖北省荆州市水文水资源勘测局
- 作者简介：
- 基金信息：
  
  智慧长江与水电科学湖北省重点实验室开放研究基金项目(ZH21020001)
- DOI：10.20040/j.cnki.1000-7709.2023.20230294
  中图分类号： X824
- 纸质出版：2023
- 稿件说明：
移动端阅览
孙咏曦, 陈燕飞, 周元, 等. 洪湖水质富营养化评价方法比较[J]. 水电能源科学, 2023,(9):36-39+5.

孙咏曦, 陈燕飞, 周元, et al. 洪湖水质富营养化评价方法比较[J]. 2023, (9): 36-39+5.
孙咏曦, 陈燕飞, 周元, 等. 洪湖水质富营养化评价方法比较[J]. 水电能源科学, 2023,(9):36-39+5. DOI： 10.20040/j.cnki.1000-7709.2023.20230294.

孙咏曦, 陈燕飞, 周元, et al. 洪湖水质富营养化评价方法比较[J]. 2023, (9): 36-39+5. DOI： 10.20040/j.cnki.1000-7709.2023.20230294.

摘要

为科学评价水体富营养化程度，在对比分析各种富营养化评价方法基础上，引入卷积神经网络(CNN)

建立卷积-富营养化(CNN-E)模型。根据洪湖2014～2019年月尺度水质及藻类监测数据，采用综合营养指数法、BP神经网络法与CNN-E模型评价其富营养化程度，并采用平均绝对误差、均方根误差、决定系数和纳什效率系数评价神经网络模型性能。结果表明，洪湖长期处于轻度富营养状态，富营养化程度不断加重。模型性能方面，CNN-E模型四种评价指标分别优于BP神经网络0.166、0.098、0.078与0.087。CNN-E模型可为湖泊水体富营养化预防及综合治理提供技术支持。

Abstract

关键词

Keywords

references

ImageNet classification with deep convolutional neural networks[J]. Alex Krizhevsky;Ilya Sutskever;Geoffrey E. Hinton.Communications of the ACM,2017

洪湖莲藕产业无人机施肥技术现状及发展前景[J]. 黄思;张永芳;史智英;匡晶;李峰;黄国华.中国蔬菜,2022(04)

富营养化评价方法在宁夏清水河流域的适用性研究[J]. 欧阳虹;王世强;邱小琮;孙旭杨;赵增锋.水文,2021(06)

基于综合营养状态指数和BP神经网络的黑河富营养化评价[J]. 鲍广强;尹亮;余金龙;刘畅;邱小琮.水土保持通报,2018(01)

典型湖库富营养化的模糊综合评价研究[J]. 朱丽楠;官涤;王永军;刘桂芳;康凯.长江流域资源与环境,2012(09)

湖泊富营养化评价方法及分级标准[J]. 王明翠,刘雪芹,张建辉.中国环境监测,2002(05)

浏览量

205

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

复杂分区土石坝渗透系数反演的HSBP算法及其应用

服役期边坡力学参数与卸荷松动区联合反演研究

湖北恩施大龙潭水库氮磷营养盐时空分布特征分析

基于BP神经网络的高密度电法在水库清淤扩容坝后排泥区围堰探测中的应用

基于BSA-BP神经网络方法的引水隧洞围岩参数反演模型及应用