文献类型：期刊文章

作　　者：符东[1,2] 吴雪菲[1] 易珍言[1] 陈永灿[1,3]

FU Dong;WU Xue-fei;YI Zhen-yan;CHEN Yong-can(School of Environment and Resource,Southwest University of Science and Technology,Mianyang 621010,China;School of Chemistry and Chemical Engineering,Sichuan University of Arts and Science,Dazhou 635000,China;State Key Laboratory of Hydroscience and Engineering,Tsinghua University,Beijing 100084,China)

机构地区：[1]西南科技大学环境与资源学院,四川绵阳621010 [2]四川文理学院化学化工学院,四川达州635000 [3]清华大学水沙科学与水利水电工程国家重点实验室,北京100084

出　　处：《农业环境科学学报》

基　　金：国家自然科学基金项目(51809219);四川省科技计划项目(2018JZ0001,2019YFG0143);水沙科学与水利水电国家重点实验室开放基金项目(2019-B-02)。

年　　份：2020

卷　　号：39

期　　号：12

起止页码：2844-2852

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为准确掌握沱江水质状况,探明沱江主要污染物,对沱江水质进行了模糊综合评价和BP神经网络预测。使用沱江31个监测断面2018年1月—2019年10的逐月水质数据,通过筛选优化评价因子,对各断面水质进行模糊综合评价。对沱江水质进行主成分分析以确定主要污染源和主要污染因子,并构建了BP神经网络对主要污染因子进行预测。研究发现,沱江有9个断面水质符合Ⅰ类水质标准,其余22个断面水质均为Ⅴ类水且在沱江上游、中游和下游均有分布。TN浓度在所有监测断面中均超过了Ⅳ类水质标准,其中27个断面的TN浓度超过了Ⅴ类水质标准。使用上游断面水质数据构建的BP神经网络预测下游断面的TN浓度,平均相对误差为2.041%。研究表明,沱江受TN的污染较为严重,其主要污染源为农业面源和工业废水,同时根据构建沱江其他断面的BP神经网络模型可实现对沱江TN浓度的准确预测。

关 键 词：沱江  模糊综合评价  BP神经网络

分 类 号：X824] X52