海域组合单元水质模型多污染源浓度优化反演方法研究

污染源项反演是海域水质模型验证工作的主要难点之一.本文根据污染源项和监测点位的地理位置及空间分布将研究海域划分为若干单元,建立海域组合单元水质模型,并与基于人工神经网络的数据驱动模型有机结合,提出污染源浓度优化反演的新方法:通过多污染源项设计算例的水质模型计算,构建海域内部监测点污染物浓度响应集;以数据驱动模型建立监测点同污染源项之间浓度的非线性关系;将实测资料带入非线性关系中,获得多源项匹配关系,进行污染源浓度的优化反演研究.以渤海湾海域水质模型7个污染源浓度的优化反演为例,采用"孪生"试验验证反演新方法的可行性,结果表明该方法是有效的.     

海域组合单元水质模型参数反演方法研究

参数反演是海域水质模型验证工作的主要难点之一,同时模型模拟海域内参数的统一赋值又降低了其实际的物理意义.本文建立海域组合单元水质模型参数反演的新方法:将研究海域划分为若干单元,敏感参数在各单元中独立赋值.将基于人工神经网络的数据驱动模型同水质模型有机结合,通过水质模型计算多参数匹配设计的工况,构建海域内部观测点的解集;以数据驱动模型归纳建立状态变量(污染物浓度)同多个控制变量(模型参数)之间的非线性关系.将实测资料带入关系中,进行模型参数随地域变化的组合单元优化反演研究.以渤海海域水质模型多参数反演为例,采用"孪生"试验验证参数组合单元反演新方法的可行性,结果表明该方法是有效的.     

人工神经网络在潮汐预测中应用研究

海洋环境中,精确预测潮汐是关系到建筑物和人类活动的重要工作.利用人工神经网络进行单测站潮位和多测站对应潮位预测,并结合潮汐现象的特点,提出了在预测之前有针对性的数据处理分析方法--周期分析概念,并将其应用到实际的潮位预测当中,实例证明这种方法可以解决潮位预测中存在的时滞问题,提高了预测的精度.同时根据不同测站潮汐数据之间的相关性,以及潮汐数据规律性较强这一特点,进行了不同潮位测站之间的对应潮位预测,取得了很好的结果.     

区域综合承载力的多子系统非线性集对耦合评价

区域综合承载力评价是不确定性系统的分析问题,包含高度的非线性关系.作者建立了多子系统非线性隶属函数的集对耦合分析综合评价方法与系统的评价步骤,提出了针对不同评价指标的非线性隶属函数构建形式,并首次将水环境指标纳入到区域综合承载力评价体系之中.通过天津滨海新区区域综合承载力评价验证方法体系有效性,结果表明其不仅具有简洁、易操作和高精度等优点,同时可以为区域科学管理及时提供综合承载力的制约因子.     

基于数据驱动模型的潮位和潮流预测方法研究

为解决工程海域潮位、潮流资料不足给海洋工程设计和数学模型建立带来的不确定性,根据单测站潮位潮流的自相关性、对应测站潮位或潮流以及潮位与潮流之间的互相关性,建立基于数据驱动模型人工神经网络的单测站潮位、潮流(流速、流向)预测模型;多测站潮位、潮流对应预测模型;潮位与潮流对应预测模型.以复杂海况下的实测潮位、潮流资料进行模型验证,重现了潮位、潮流自身及相互之间的非线性映射关系.模型预测结果与现场实测数据的比较及其误差分析表明,该模型具有结构简单、精度高的优点,适用于解决工程实际问题.