太湖富营养化的驱动因子分析

将太湖2001～2002年的水质监测数据与空间数据结合,采用基于因子分析的主成分方法将太湖的水质参数概括为5个主成分,提取并反证了湖泊水质各个主成分的科学内涵,即水体营养指数、富营养化指数、植物生长环境指数、水体色度指数和水体酸碱指数;研究了各主成分的空间分布特征、意义以及月均值随时间的变化规律．指出水体营养指数和植物生长环境指数是太湖富营养化的主要驱动因子,水体色度指数和水体酸碱指数是太湖富营养化的次要驱动因子并可作为富营养化的指示因子。     

岩性和气候条件对长江水系河水主要离子化学的影响

在分析长江流域120余水文站点近30年水质监测数据的基础上,运用主成分分析、相关分析等数理统计方法研究岩性和气候条件(降水量)对长江水系河水主要离子化学的影响。     

长江水质评价与预测模型

利用主成分分析方法对长江流域的水质进行评价,通过MATLAB软件计算,对长江流域17个地区的污染状况作出了评价排序,利用GM（1,1）模型与BP神经网络模型联合完成了对近几年不同地区的水质预测,给出了未来几年长江水质变化的综合评价。     

水质评价研究进展及水质评价方法综述

介绍了水质评价的国内外研究进展,阐述了水质评价的意义,同时系统性地总结了水质评价的方法。分析得出,为确保合理利用水源、保护水源,有必要对水质评价进行系统的研究,模糊综合评价方法可以将不确定的因子定量化,是具有广阔应用前景的水质评价方法,主成分分析法可以较为客观的对评价因子进行赋权。上述分析为水库水质评价提供了理论依据。     

采用主成分分析和水质标识指数评价敖江流域水质

根据2017年3月至2018年3月敖江流域的4个断面的水质监测数据,采用主成分分析法(PCA)识别流域水质时空变化特征,并采用水质标识指数法对敖江流域水质状况进行综合评价.PCA将8项水质指标转换为3种主成分,解释了原数据集83.144%的信息.分析结果表明:敖江流域水质受上游石板材工业、中下游农业、畜禽养殖业和下游人口分布影响较大,且污染呈现季节性变化;敖江流域整体水质较好,各监测断面水质情况受单项水质指标的影响显著,且流域整体污染呈现从上游往下游加重的趋势.     

基于主成分分析的巢湖水质影响因子研究

利用1987～2003年的水质监测资料,运用主成分分析法和Matlab软件,分析了巢湖水质的主要影响因子及其相互关系。相关分析表明,TP与TN、CODCr与TP和TN、浮游植物生物量与Chl-a和TN之间均有较好的正相关,而SD与TP、TN和CODCr之间有较好的负相关。主成分分析表明,TP、TN、CODCr、SD、Chl-a及浮游植物生物量是影响巢湖水质的主要因子,磷是巢湖富营养化的重要影响因子,TP、TN、CODCr及浮游植物生物量共同决定了水质的SD。结果表明,城镇生活污水和农业面源污染输入的氮、磷以及有机物,对巢湖富营养化起着重要的作用。     

灌溉水质水量对番茄影响的主成分分析

为探讨不同灌溉水质和水量对设施大棚番茄品质及产量的影响,采用主成分分析法对污水、再生水和清水3种不同水质和灌溉水量处理的番茄各项品质指标及产量进行综合评价。结果表明,所选取的4个主成分的累积贡献率达到89.70%。不同灌溉水质水量处理情况下,番茄果实中所含的维生素C、硝酸盐、可溶性蛋白差异显著,可溶性糖、产量、灌溉水利用效率差异不显著。试验所采用的3种水质和水量条件下:数据经隶属函数处理的综合评价排名结果表明,水质为再生水、灌溉定额为360 mm的灌溉条件最佳;2种数据平均排名结果表明,水质为再生水、灌溉定额为320 mm和360 mm的处理较佳。     

北京市北运河系水质有机污染时空变化研究

基于主成分分析,以河段为研究单元,选取2000～2006年北京市北运河系部分监测河段的有机污染指标的监测数据,对该河系有机污染的年际和空间变化进行了分析．结果表明：北运河系河流有机污染严重,城市河流污染特征明显,主要受居民生活和工业影响．城市中心区河流水质较好,年际变化小;近郊和远郊区河流水质较差,年际变化大．2005年后除个别河段（流）水质继续下降外,整体水质有所好转．     

基于PCA-SVR的池塘DO预测模型

为解决传统水质预测模型泛化能力低、预测精度差等问题,提出了基于主成分分析和支持向量机相结合的养殖池塘溶解氧预测模型.该模型通过主成分分析筛选反映池塘水体溶解氧信息的关键指标,减少模型输入变量,采用支持向量机算法建立水质预测模型,并用于长沙市乔口镇与望城区池塘养殖溶解氧预测中.结果表明,该模型预测精度高,同时具有很强的泛化能力与适应数据变化的能力,可用于池塘溶解氧预测.