简介:以湿地污染物去除率为考察指标,通过正交实验分析了植物、流量和水位对去除率的影响。结果表明:3种因素对BOD5、CODMn和TN去除率的影响一致,均为植物〉流量〉水位;植物是BOD5、CODMn和TN去除率的显著性影响因素,其中大薸对3种污染物的去除率显著高于凤眼莲,但其在9月底易发生二次污染,需要及早收割,流量是TN和CODMn去除率的显著性因素,水位为不显著因素;BOD5、CODMn和TN浓度在系统的前端下降速率较大,随后逐渐减小并趋于平稳,表明大部分污染物在湿地的前端被去除,湿地整体截污能力尚有较大提升空间。应用中可选择大薸在北方推广,并充分利用湿地后端潜能,最大化处理污染源水体。
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。