基于模式识别方法的湖泊水质污染特征聚类研究

论文摘要

构建耦合自组织映射神经网络(SOFM)和随机森林(RF)的方法,对中国63个湖泊11年的9种水质指标(5110条数据)进行模式识别。首先采用SOFM对湖泊进行聚类,以识别污染状况,然后采用RF分析水质指标对湖泊类别的决定效果,以确定代表性指标。SOFM的结果显示,湖泊可以按污染程度分为3类。RF的结果发现,在分类准确率为80%时,根据高锰酸盐指数和叶绿素a浓度即可判定湖泊污染程度。该方法可从庞杂的数据中识别出反映水体污染特征的水质指标,为快速认知水体污染状况及选取监测指标提供参考。

论文目录

• 1 材料和方法
•   1.1 研究对象
•   1.2 研究思路
•   1.3 数据处理
•   1.4 模式识别方法
•     1.4.1 SOFM神经网络构建
•     1.4.2 RF方法
• 2 结果与讨论
•   2.1 湖泊水质污染程度聚类
•   2.2 湖泊水质主要控制因子识别
• 3 结论

文章来源

类型: 期刊论文

作者: 任婷玉,梁中耀,陈会丽,刘永

关键词: 模式识别,水质污染,自组织映射神经网络,随机森林

来源: 北京大学学报(自然科学版) 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 北京大学环境科学与工程学院水沙科学教育部重点实验室

基金: 国家自然科学基金(51779002)资助

分类号: X524

DOI: 10.13209/j.0479-8023.2019.001

页码: 335-341

总页数: 7

文件大小: 1263K

下载量: 452