基于BP神经网络的白洋淀水环境承载力研究

杨延梅, 向维, 苏靖, 陈文婷, 傅雪梅, 虞敏达, 孙源媛, 郑明霞

PDF(2179 KB)
节水灌溉
中国农村水利水电 ›› 2021 ›› (7) : 61-66,71.
水环境与水生态

基于BP神经网络的白洋淀水环境承载力研究

作者信息 +

Research on the Water Environmental Carrying Capacity of Baiyangdian Watershed Based on BP Neural Networks

Author information +
稿件信息 +

摘要

为揭示流域社会经济、资源与生态对水环境承载力的影响程度，以白洋淀流域为研究对象，基于频次分析与主成分分析构建白洋淀流域水环境承载力评级指标体系，筛选出研究区水环境承载力指标12个。同时首次结合控制图及流域发展规划方法确定各项指标的阈值区间，建立白洋淀水环境承载力BP神经网络模型。结果表明，研究区2012、2013与2015年处于较弱承载状态，而2014、2016与2017年处于中等承载状态。评价结果与白洋淀流域实际发展趋势吻合，同时也表明未来人均GDP、地下水开采等将会给白洋淀流域水环境承载带来较大的压力。研究表明，结合控制图及流域发展规划方法可更精准地确定水环境承载力指标体系分级标准，同时基于BP神经网络模型可以准确有效地进行流域水环境承载力评价，可为流域的水环境与经济协调发展提供借鉴。

Abstract

In order to reveal the effect of the social economy， resources and ecology of the watershed on the water environment carrying capacity， Baiyangdian Watershed is selected as the study object， based on the frequency analysis and principal component analysis to construct an evaluation index system for the water environment carrying capacity of the Baiyangdian Watershed， and twelve water environment carrying capacity indexes are selected. Meanwhile， the control chart and watershed development planning method are combined for the first time to determine the threshold interval of index， and the BP neural network model of water environmental carrying capacity suitable for Baiyangdian Watershed is established according to the evaluation the water environmental carrying capacity of Baiyangdian Watershed. The results show that 2012， 2013 and 2015 were in a poor bearing state， while 2014， 2016 and 2017 were in a medium-sized carrying state. The evaluation results are consistent with the actual development trend of Baiyangdian Watershed， and also indicate that factors such as per capita GDP and groundwater exploitation will bring heavy pressure to the water environment of Baiyangdian Watershed in the future. The study shows that the index system classification standard of water environment carrying capacity can be determined more accurately by combining the control chart and the watershed development planning method. Meanwhile， the evaluation of the watershed water environment carrying capacity can be carried out accurately and effectively based on the BP neural network model， which serve as a reference for the coordinated development of the watershed water environment and economy.

关键词

白洋淀流域 / 水环境承载力 / 指标阈值 / BP神经网络

Key words

Baiyangdian Watershed / water environmental carrying capacity / index threshold / BP neural network

基金

国家水体污染控制与治理科技重大专项
大清河流域（白洋淀）水质目标综合管理示范研究项目(2018ZX07111004)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
杨延梅 , 向维 , 苏靖 , 陈文婷 , 傅雪梅 , 虞敏达 , 孙源媛 , 郑明霞. 基于BP神经网络的白洋淀水环境承载力研究[J].中国农村水利水电, 2021(7): 61-66,71
Yan-mei YANG , Wei XIANG , Jing SU , Wen-ting CHEN , Xue-mei FU , Min-da YU , Yuan-yuan SUN , Ming-xia ZHENG. Research on the Water Environmental Carrying Capacity of Baiyangdian Watershed Based on BP Neural Networks[J].China Rural Water and Hydropower, 2021(7): 61-66,71
近年来，随着经济的快速发展，我国许多流域环境问题突出。由于对流域水环境承载力的研究能很好地评判社会经济与自然生态的协调程度，因而其成为国内外学者们的研究热点。我国对水环境承载力的研究始于20世纪90年代初，研究者主要基于模糊综合评价［1，2］、系统动力学［3，4］、多目标优化［5，6］、人工神经网络［7，8］和结构方程模型［9］等方法，通过建立评价指标体系对流域［10，11］、湖泊［12，13］、湿地［14］、城市［15］以及盆地［16］等区域进行水环境承载力量化评估。国外也在不同领域开展承载力评估的相关研究［17，18］，但其水环境承载力更侧重于水体承受污染的能力，如通过富营养化［19］，水环境承载力评价［20］，水体自净能力评价［21］以及河流污染负荷承载能力［22］等。
前人研究均表明，社会经济发展造成的资源消耗、环境污染以及生态环境破坏等是影响水环境承载力的重要因素。然而，现有研究中水环境承载力指标体系建立大多未能充分考虑社会经济、资源环境和生态系统等综合影响作用，在水环境承载力指标阈值确定时往往依据经验或专家打分等主观性较大的方法确定［23］，缺乏与研究区域实际历史情况及未来规划的联系，导致研究结果难以用于实际。
结合人口与社会经济、水资源环境与水生态系统以及研究区的实际发展规划筛选指标，能更好地反映水环境综合承载状态。鉴于此，笔者以白洋淀流域为研究对象，耦合社会经济、水资源、水环境与水生态构建水环境承载力指标体系，并根据指标历史数据的变化规律进行方程拟合，结合指标的变化幅度、趋势与研究区的发展规划，从定量和定性的层面科学确定水环境承载力指标阈值与分级标准，通过建立白洋淀水环境承载力BP神经网络模型，计算白洋淀水环境综合承载力指数，以期为流域水环境承载力研究提供参考和依据。

1 材料与方法

1.1 研究区概况

白洋淀地处河北省中部（图1），属海河流域大清河水系，水域面积366 km2，是华北平原最大的淡水湖泊，具有供水、气候、径流调节、水量分配、洪水调蓄、生物多样性保护等作用［24］。流域多年平均年降水量为524.9 mm，降水年际变化悬殊，年内分配不均匀。白洋淀上游主要有8条入淀河流，1965年以来，入淀水量逐年减少，除府河与孝义河常年有水外，其余河流基本处于断流状态，白洋淀在1985-1987年连续三年全年干淀，1998年以来受人工调水的影响，白洋淀水位趋于相对稳定，但仍处于低水位状态。另外，白洋淀流域地下水超采严重，工业和生活等污染导致白洋淀水生态空间严重萎缩。目前白洋淀流域经济发展与生态环境的矛盾比较突出，水资源短缺、水量供给不平衡、水体污染以及湿地面积减少导致生态功能退化，给白洋淀水环境承载能力带来了严峻的挑战。
图1 白洋淀流域地理位置

Fig.1 Location of Baiyangdian Watershed

Full size|PPT slide

1.2 数据来源

文中涉及的数据均来源于2012-2017年保定市环统及年鉴等资料，其中人均GDP、旅游业比例、万元GDP用水量和工业废水处理率等指标来源于《保定市经济统计年鉴》，纺织缝纫及皮革比例来源于保定市环保系统的环境统计数据，年降水量、生态环境用水率、地下水开采率与水位来源于保定市水资源公报，氨氮浓度与化学需氧量浓度来源于环保系统白洋淀水质监测数据、林草地覆盖率来源于《河北省土地调查统计年鉴》。

1.3 评价指标体系及阈值构建

采用频次分析法与主成分分析方法依次筛选指标，利用控制图法确定指标阈值。通过收集41篇相关文献，统计水环境承载力相关指标604个，其中人口与经济指标220个，水资源指标181个，水环境指标203个。合并同类指标并统计各指标频率，经频次分析得到38个指标，其中人口与经济16个，水资源11个，水环境与水生态指标11个。考虑白洋淀供水等作用及流域社会发展选取特征指标，结合频次分析结果，利用主成分分析降维筛选主要影响指标，筛选过程包括原始数据的标准化处理、计算指标数据的相关系数矩阵、计算相关系数矩阵的特征值与特征向量和计算累计方差贡献率，最终构建白洋淀流域水环境承载力指标体系。
水环境承载力指标阈值与分级标准采用数学模型中的控制图法［25］与流域发展规划相结合的方法，控制图法是建立在数据所遵循的统计规律基础上，通过分析样本数据来判断数据是否属于正常状态的一种统计方法［26］，用指标的均值μ和标准差σ两个参数来决定。依据3σ原理，即认为指标值应以99.73%的概率落在μ±3σ范围之内，以μ+3σ作为指标上限值，以μ-3σ作为指标下限值，从而确定水环境承载力指标阈值，并结合流域发展规划等进行指标分级。

1.4 BP神经网络模型的确定

1.4.1 BP神经网络模型构建

BP神经网络是人工神经网络［27］的一种，算法先进成熟、工作状态稳定，适合于模式识别及数据分类预测。模型分为输入层、隐含层和输出层。各层之间实行全连接。为研究不同评价指标对白洋淀水环境承载力产生的综合影响，文章选用三层BP神经网络拓扑结构（图2），设置输出层神经元个数为1，即白洋淀水环境综合承载力指数d，模型设定d∈（0，1）。输入层Ci∈C，C=｛C 1，C 2，…，Cm ｝，神经元个数为白洋淀水环境承载力评价指标，共12个。模型经加权和激活函数映射后得到输出，其中隐含层神经元个数由试错法确定，公式如下：
n1=m+n+a
式中：n 1为隐含层神经元个数，个；m为输入层神经元个数，个；n为输出层神经元个数，个；a为1~10之间的常数，取隐含层神经元个数为15。
图2 BP神经网路拓扑结构

Fig.2 Topology of BP neural network

Full size|PPT slide

1.4.2 BP神经网络模型训练

BP神经网络模型训练集由1.3确定的水环境承载力指标体系中各项评价指标五级分级标准值作为输入，对应的水环境承载力指数作为输出，为了使模型具有更好的泛化能力和准确度，利用区间随机插值［28］在5组分级标准值之间随机生成50个样本扩充训练集数量。模型训练过程中训练函数选用trainlm函数，学习函数选用learngdm函数，传递函数选用tansig函数，最大循环次数设置为5 000次，学习速率设置为0.01，目标误差设置为0.000 1，显示步长为50。当网络的实际输出与目标输出满足误差精度要求时结束训练，否则误差进入反向传播，沿连接通路逐层反向传播并修正各层连接权值，直至满足要求（E <ε）时结束训练。
E=12∑k=1m(yk-ck)2
式中： (yk-ck)为网络实际输出与目标输出之间的绝对误差；m为学习样本个数，个。

2 结果与分析

2.1 白洋淀水环境承载力指标体系筛选

通过水环境承载力相关文献收集并进行指标分类与频次分析，将指标划分为人口经济、水资源与水环境三部分，得到水环境承载力评价指标初步筛选结果，见图3。
图3 水环境承载力指标初步筛选

Fig.3 Preliminary screening of water environmental carrying capacity index

Full size|PPT slide

结合白洋淀流域实际情况及保定市未来发展规划，选取淀区水位、旅游业比例与纺织缝纫及皮革产业3个特征指标，共计41个指标。利用最大方差法进行旋转主成分分析，选择特征值大于1，计算各主成分的总方差累积贡献率，筛选出5个主成分，见表1。
表1 主成分方差贡献率

Tab.1 Variance contribution rate of principal component

成分 初始特征值 提取载荷平方和 旋转载荷平方和
总计 方差百分比 累积/% 总计 方差百分比 累积/% 总计 方差百分比 累积/%
第1主成分 28.415 69.304 69.304 28.415 69.304 69.304 19.177 46.772 46.772
第2主成分 5.667 13.821 83.125 5.667 13.821 83.125 11.511 28.076 74.849
第3主成分 3.084 7.521 90.646 3.084 7.521 90.646 5.673 13.838 88.686
第4主成分 2.270 5.536 96.182 2.270 5.536 96.182 2.727 6.651 95.337
第5主成分 1.566 3.818 100.000 1.566 3.818 100.000 1.912 4.663 100.000
主成分分析结果表明（表2），第一主成分在常住人口、人口密度、农民人均纯收入、城镇人均收入、人均GDP、旅游业比例、第二产业占GDP比例、第三产业占GDP比例、万元GDP用水量、工业废水排放量、生活污水集中处理率、工业废水处理率、废污水排放总量、单位GDP氨氮排放量、生态与环境补水量和林草地覆盖率等的相关性较大。第二主成分与水资源总量、年降水量和地下水资源量的相关性较大。第三主成分与地表水资源量、工业用水量和污径比的相关性较大。第四主成分与水位和单位GDP化学需氧量排放量的相关性较大。第五主成分主要与人口自然增长率、纺织缝纫及皮革比例的相关性较大。
表2 主成分因子旋转荷载系数

Tab.2 Load coefficient rate of principal component factor

指标 第一主成分 第二主成分 第三主成分 第四主成分 第五主成分
常住人口/万人 0.840 -0.504 -0.192 -0.011 -0.058
人口密度/（万人·km-2） 0.840 -0.504 -0.192 -0.011 -0.058
农民人均纯收入/（元·人-1） 0.864 -0.447 -0.229 -0.031 -0.039
城镇人均收入/（元·人-1） 0.894 -0.404 -0.186 -0.056 -0.022
人均GDP/（元·人-1） 0.877 -0.402 -0.257 0.047 -0.024
旅游业比例/% 0.907 -0.381 -0.175 0.025 -0.042
第二产业占GDP比例/% -0.885 0.396 0.190 0.153 -0.025
第三产业占GDP比例/% 0.873 -0.405 -0.252 -0.102 -0.007
万元 GDP用水量/（m3·万元-1） -0.787 0.553 0.250 -0.072 0.077
工业废水排放量/万t -0.888 0.392 0.059 -0.014 0.232
生活污水集中处理率/% -0.934 -0.009 0.042 -0.351 -0.045
工业废水处理率/% 0.967 -0.220 -0.129 0.006 -0.025
废污水排放总量/亿t -0.878 -0.090 -0.172 -0.137 0.415
单位GDP氨氮排放量/（t·万元-1） 0.838 -0.275 -0.065 0.463 0.056
生态与环境补水量/亿m3 0.950 -0.080 -0.279 -0.019 0.110
林草地覆盖率/% -0.942 -0.204 0.032 0.143 -0.221
水资源总量/亿m3 -0.092 0.807 0.508 0.255 -0.132
年降水量/亿m3 0.013 0.817 0.375 0.245 -0.362
地下水资源量/亿m3 -0.120 0.871 0.376 0.264 -0.122
地表水资源量/亿m3 -0.125 0.454 0.849 0.238 0.017
工业用水量/亿m3 -0.430 0.215 0.858 -0.053 -0.170
污径比 0.066 -0.205 -0.976 0.014 -0.020
水位/m -0.064 0.367 0.050 0.926 -0.038
单位GDP化学需氧量排放量/（t·万元-1） 0.339 -0.469 -0.528 0.616 0.084
纺织缝纫及皮革比例/% 0.701 0.247 -0.448 0.041 0.494
简化具有包含关系的指标，如常住人口、人口密度、农民人均纯收入、城镇人均收入、人均GDP与人口自然增长率均与人口经济相关，用人均GDP表征。旅游业比例、纺织缝纫及皮革比例分别属于第二、三产业，故经济指标选用旅游业比例与纺织缝纫及皮革比例。万元GDP用水量与工业用水量中万元GDP用水量更能全面反映用水与经济发展的关系。污径比、工业废水排放量、生活污水集中处理率、工业废水处理率、废污水排放总量均为水环境类指标，考虑未来工业快速发展，选用工业废水处理率表征。水资源总量、地表水资源量与地下水资源量均为水资源类指标，由于研究区地下水资源常年超采，故选用地下水开采率表征。考虑数据的可获得性，选用白洋淀实测的氨氮浓度与化学需氧量浓度表征单位GDP氨氮排放量与单位GDP化学需氧量排放量两个指标，最终构建目标层、准则层与指标层3层指标库，见表3。
表3 白洋淀流域水环境承载力指标体系

Tab.3 Index system of water environmental carrying capacity in Baiyangdian Watershed

目标层 准则层 指标层 性质 指标解释
白洋淀水环境承载力 人口与经济 人均GDP/（元·人-1） 正 GDP/人口，反映经济发展状况
旅游业比例/% 正 旅游业占总产值的比例
纺织缝纫及皮革产业比例/% 负 皮革、毛皮、羽毛及其制品和制鞋业，纺织业，纺织服装服饰业占GDP的比例
水资源 水位/m 正 白洋淀水位
万元GDP用水量/（m3·万元-1） 负 用水量/GDP
年降水量/mm 正 流域的年平均降水量
地下水开采率/% 负 区域地下水资源量开采利用程度
水环境 氨氮浓度/（mg·L-1） 负 白洋淀内氨氮的浓度
工业废水处理率/% 正 工业废水达标排放量/工业废水排放总量
COD浓度/（mg·L-1） 负 白洋淀内COD的浓度
水生态 生态环境用水率/% 负 生态环境用水量/水资源总量
林草地覆盖率/% 负 林草地面积之和/土地面积

2.2 白洋淀水环境承载力评价指标阈值与分级的确定

水环境承载力具有时间性和空间异质性［29］，为克服参考文献经验划定指标阈值存在的主观性与不确定性，本次采取控制图法，通过指标的历史变化趋势与幅度定量地确定指标上下控制限，同时与白洋淀流域发展规划要求结合共同确定指标阈值，使得到的分级标准更接近区域实际发展。收集各项指标2012-2017年的历史数据进行统计分析，根据回归系数选择拟合效果最优的方程，利用控制图法确定指标的上下控制限，结合白洋淀流域发展规划综合确定指标阈值，见表4。
表4 水环境承载力指标阈值确定方法

Tab.4 Methods for determining thresholds of water environmental carrying capacity

指标 拟合方程 上控制限 均值 下控制限 发展及规划
人均GDP/（元·人-1） y=e 113+（-20 728 530/ t ） 32 901 28 985 25 000 区域年均最低为20 000，全国平均值为60 000
旅游业比例/%

y=-9415.1+4.7 t

y=-9 415.1+4.7 t

 43 30 20 河北省旅游规划2020年旅游业对GDP的综合贡献率为10%
纺织缝纫及皮革产业比例/% y=-175.4+0.1 t 2.0 1.5 1.0 考虑雄安新区低碳绿色发展规划，关停纺织缝纫及皮革类重污染产业
水位/m y=643.5-83.5 lnt 8.8 8.0 7.5 干淀水位6.5 m，三类水质目标水位为8.5 m
万元GDP用水量/（m3·万元-1） y=e（-102.9+21 647.7/ t ） 95 81 67 《全国人民生活小康水平的基本标准》最优值为55，保定市水资源管控目标值为90
年降水量/mm y=31 060-15.1 t 671 523 374 20%、50%、75%、95%不同频率下白洋淀流域的降水量分别为705、536、428、310 mm
地下水开采率/% y=-2 570.1+1.3 t 153 112 70 全国平均值为45%，保定市水资源管理制度目标值60%
氨氮浓度/（mg·L-1） y=e（-656.3+1 323 082.6/ t ） 2.5 1.0 0 白洋淀Ⅲ~Ⅳ类水质标准对应浓度为1~1.5
工业废水处理率/% y=e（372-741 290.4/ t ） 151 104 56 年均处理率为70%，城市污水集中处理率≥85%，雄安新区规划值为99%
COD浓度/（mg·L-1） y=-1 103.7-0.6 t 33 30 26 白洋淀Ⅲ~Ⅳ类水质标准对应浓度为20~30
生态环境用水率/% y=-1 103.7-0.6 t 10.0 6.0 0.5 生态环境用水率年均值为2
林草地覆盖率/% y=140.8-0.1 t 26.7 26.4 26 保定市林业规划值为35%，白洋淀流域调查结果为45%，参考文献［28］取最小值为16
采用五级区间确定白洋淀流域水环境承载力评价指标分级标准，从低到高依次分为5个级别，见表5。
表5 水环境承载力评价指标分级

Tab.5 Grading table for evaluation index of water environmental carrying capacity

指标 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ
人均GDP/（万元·人-1） <2.0 2.0~2.5 2.5~3.0 3.0~6.0 >6.0
旅游业比例/% <10 10~20 20~30 30~43 >43
纺织缝纫及皮革产业比例/% >2.0 2.0~1.5 1.5~1.0 1.0~0 <0
水位/m <6.5 6.5~7.5 7.5~8.5 8.5~8.8 >8.8
万元GDP用水量/（m3·万元-1） >90 90~81 81~67 67~55 <55
年降水量/mm <310 310~428 428~536 536~705 >705
地下水开采率/% >100 100~70 70~60 60~45 <45
氨氮浓度/（mg·L-1） >3.0 3.0~2.5 2.5~1.5 1.5~1.0 <1.0
工业废水处理率/% <56 56~70 70~85 85~99 >99
COD浓度/（mg·L-1） >33 33~30 30~26 26~20 <20
生态环境用水率/% >10 10~6 6~2 2~0.5 <0.5
林草地覆盖率/% <16 16~26 26~35 35~45 >45

2.3 白洋淀水环境承载力BP神经网络模型

将水环境承载力从低到高5个级别对应弱承载、较弱承载、中等承载、较强承载与强承载5种承载状态。同时将承载状态信号颜色对应分为红色、橙色、黄色、蓝色、绿色。模型输出水环境承载力指数按0到1的范围分为五级：当d<0.2时，水环境承载力为Ⅰ级，表明区域水环境承载能力很弱，信号灯为红色。当0.2≤d<0.4时，水环境承载力为Ⅱ级，表明区域水环境承载能力较弱，信号灯为橙色。当0.4≤d<0.6时，水环境承载力为Ⅲ级，表明区域水环境承载能力适中，信号灯为黄色。当0.6≤d<0.8时，水环境承载力为Ⅳ级，表明区域水环境承载能力较强，信号灯为蓝色。当0.8≤d<1时，水环境承载力为Ⅴ级，表明区域水环境承载能力很强，信号灯为绿色。
将训练集代入BP神经网络模型发现样本回归曲线的相关系数均接近1（图4），表明模型训练效果较好，图中Y为模型输出值，T为模型目标值。
图4 BP神经网络回归曲线

Fig.4 Regression curve of BP neural network

Full size|PPT slide

选取2012-2017年白洋淀水环境承载力预警指标历史数据作为测试样本，经模型训练与仿真测试，结果见表6。
表6 2012-2017年水环境承载力指数

Tab.6 The index of water environmental carrying capacity from 2012 to 2017

年份 仿真结果 级别 承载状态 信号灯
2012 0.211 7 Ⅱ 较弱承载 橙色
2013 0.316 0 Ⅱ 较弱承载 橙色
2014 0.427 9 Ⅲ 中等承载 黄色
2015 0.392 8 Ⅱ 较弱承载 橙色
2016 0.528 2 Ⅲ 中等承载 黄色
2017 0.587 5 Ⅲ 中等承载 黄色
水环境承载力评价结果显示，白洋淀流域水环境承载力在2012、2013与2015年处于较弱承载状态，2014、2016与2017年处于中等承载状态，总体承载力状态较弱，研究结果与白洁［27］等人的趋势基本一致，其研究结果表明白洋淀水环境承载力呈上升趋势，其中2012年属于较低承载，2013-2017年属于中等承载区间。2013与2015的结果略有区别，原因可能是指标选取及阈值区间划分的差异，本次研究选取人口与经济、水环境、水生态与水资源的指标综合分析，同时结合研究区域特征，考虑白洋淀的水位、流域行业发展中未来重点发展的旅游业以及对环境产生污染严重的纺织缝纫及皮革产业比例作为评价指标，根据各指标的变化趋势与未来的发展规划将水环境承载力状态分为五级，使评价分级更加精确，以便分析未来流域发展对水环境承载力的影响程度及主要影响指标，有针对性地做好防控措施。同时本次研究结果与白洋淀实际发展趋势一致，近年来白洋淀流域水污染治理与管控力度加大，水环境承载力有所提升，结果基本可靠。
图5 水环境承载力状态评价
注：对比结果水环境承载力综合特征值引用自文献［27］。

Fig.5 Comparison of state evaluation of water environmental carrying capacity

Full size|PPT slide

3 结 语

（1）通过调查收集相关文献与白洋淀实际情况，采用频次分析与主成分分析筛选确定12项指标，构建了白洋淀水环境承载力评价指标体系。结合控制图与流域标准规划从定量和定性的角度确定指标阈值并确定指标分级标准。
（2）BP神经网络模型仿真结果表明，白洋淀流域水环境承载力在2012、2013与2015年处于较弱承载状态，2014、2016与2017年处于中等承载状态。水环境承载力指数虽逐年增大，但总体仍处于低承载状态，且未来人口增加和经济快速发展将会给白洋淀流域带来更大的水环境承载压力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
徐志青，刘雪瑜，袁鹏，等.南京市水环境承载力动态变化研究［J］.环境科学研究，2019，32（4）：557-564.
本文引用 [1]
2
曾程，梁成华，佟晓姝.基于SD模型的沈阳市白塔堡河流域水环境承载力研究［J］.沈阳农业大学学报，2013，44（2）：195-201.
本文引用 [1]
3
高方述.典型湖区水环境承载力与调控方案研究［D］.南京：南京师范大学，2014.
本文引用 [1]
4
WINZ I， BRIERLEY G， TROWSDALE S. The use of system dynamics simulation in water resources management［J］. Water Resources Management， 2009，23（7）：1 301-1 323.
本文引用 [1]
5
ZHU Y H， DRAKE S， LV H S， et al. Analysis of temporal and spatial differences in eco-environmental carrying capacity related to water in the Haihe River Basins， China［J］. Water Resources Management， 2010，24（6）：1 089-1 105.
本文引用 [1]
6
LI N， YANG H， WANG L， et al. Optimization of industry structure based on water environmental carrying capacity under uncertainty of the Huai River Basin within Shandong Province， China［J］. Journal of Cleaner Production， 2015：1-11.
本文引用 [1]
7
余金龙，尹亮，鲍广强，等.基于BP神经网络的腾格里湖水环境承载力研究［J］.中国农村水利水电，2017（11）：83-93.
本文引用 [1]
8
HUO S L， HE Z S， SU J， et al. Using artificial neural network models for eutrophication prediction［J］. Procedia Environmental Sciences，2013，18：310-316.
本文引用 [1]
9
崔丹，李瑞，陈岩，等.基于结构方程的流域水环境承载力评价：以湟水流域小峡桥断面上游为例［J］.环境科学学报，2019，39（2）：624-632.
本文引用 [1]
10
邓伟明，雷坤，苏会东，等.2008年滇池流域水环境承载力评估［J］.环境科学研究，2012，25（4）：372-376.
本文引用 [1]
11
杨丽花，佟连军.基于BP神经网络模型的松花江流域（吉林省段）水环境承载力研究［J］.干旱区资源与环境，2013，27（9）：135-140.
本文引用 [1]
12
王志秀，钟艳霞，田欣，等.西北典型城区湖泊湿地水环境承载力研究［J］.中国农村水利水电，2019（7）：83-86.
本文引用 [1]
13
WANG Y M， ZHOU X D， ENGEL B. Water environment carrying capacity in Bosten Lake basin［J］. Journal of Cleaner Production， 2018，199：574-583.
本文引用 [1]
14
WANG C H， HOU Y L， XUE Y J. Water resources carrying capacity of wetlands in Beijing： Analysis of policy optimization for urban wetland water resources management［J］. Journal of Cleaner Production， 2017，161：1 180-1 191.
本文引用 [1]
15
崔凤军.城市水环境承载力及其实证研究［J］.自然资源学报，1998，13（1）：58-62.
本文引用 [1]
16
李丽娟，郭怀成.柴达木盆地水资源承载力研究［J］.环境科学，2000（2）：20-23.
本文引用 [1]
17
ALICE L， CLARKE. Assessing the carrying capacity of the Florida Keys［J］. Population and Environment， 2002，23 （4）：405-418.
本文引用 [1]
18
LANE M. The carrying capacity imperative： Assessing regional carrying capacity methodologies for sustainable land-use planning［J］. Land Use Policy，2010，27（4）：1 038-1 045.
本文引用 [1]
19
FALKENMARK M， LUNDQVIST J. Towards water security： political determination and human adaptation crucial［J］. Natural Resources Forum，1998，22（1）：37-51.
本文引用 [1]
20
GRAYMORE M L M， SIPE N G， RICKSON R E. Sustaining human carrying capacity： A tool for regional sustainability assessment［J］. Elsevier B.V.， 2009，69（3）：459-468.
本文引用 [1]
21
GONZALEZ S O， ALMEIDA C A， CALDERON M， et al. Assessment of the water self-purification capacity on a river affected by organic pollution： application of chemometrics in spatial and temporal variations［J］. Environmental science and pollution research international，2014，21（18）：10 583-10 593.
本文引用 [1]
22
DEWATD I， ADRI Z. Water quality assessment and determining the carrying capacity of pollution load Batang Kuranji River［J］. IOP Conference Series： Materials Science and Engineering，2018，335（1）：1-9.
本文引用 [1]
23
于鲁冀，吕晓燕，宋思远，等.河流水生态修复阈值界定指标体系初步构建［J］.生态环境学报，2013，22（1）：170-175.
本文引用 [1]
24
白洁，王欢欢，刘世存，等.流域水环境承载力评价：以白洋淀流域为例［J］.农业环境科学学报，2020，39（5）：1 070-1 076.
本文引用 [1]
25
HUANG H J， CHEN F L. A synthetic control chart for monitoring process dispersion with sample standard deviation［J］. Computers and Industrial Engineering，2005，49（2）：221-240.
本文引用 [1]
26
崔丹，陈馨，曾维华. 水环境承载力中长期预警研究：以昆明市为例［J］. 中国环境科学，2018，38（3）：1 174-1 184.
本文引用 [1]
27
CAO X， SUGIYAMA Y， MITSUI Y. Application of artificial neural networks to load identification［J］. Computers and Structures，1998，69（1）：63-78.
本文引用 [3]
28
张彦，李明然，李新德.GA-NN模型在保定市水环境承载力评价中的应用［J］.南水北调与水利科技，2019，17（5）：131-138.
本文引用 [2]
29
WANG T X， XU S G. Dynamic successive assessment method of water environment carrying capacity and its application［J］. Ecological Indicators， 2015，52：134-146.
本文引用 [1]
PDF(2179 KB)

访问

引用

详细情况
段落导航
相关文章
鄂公网安备 42010602001274号　鄂ICP备14015464号-1
网站版权所有 © 《中国农村水利水电》编辑部
地址：武汉大学二区《中国农村水利水电》编辑部　邮编：430072
电话：(027)68776133　传真：xsdbjb@188.com　
本系统由北京玛格泰克科技发展有限公司设计开发　技术支持：support@magtech.com.cn

/

〈 〉