本课题以桃林口水库附近流域为主要研究对象，利用水质自动监测系统，采集水域水质数据，并利用GIS空间特征分析，对监测数据进行统计分析、异常判别、水质评价和趋势分析等，完成数据的整理、查询、统计和展示，快捷把握水环境质量状态，实现水环境信息与数据的科学有效的管理。同时，综合考虑水库上游河口影响，评价地表水水质状况并建立常规状态下的预测模型。调查水库流域主要理化因子的变化特征，进行水质评价并识别出主要污染因子。同时调查汛期地表径流对水质主要理化因子的影响，分析其变化趋势。
1、主要技术指标完成情况
（1）建立了BP神经网络模型，用于评价和预测桃林口水库水质
（2）采用单因子评价法、综合污染指数法和BP神经网络法三种方法为桃林口水库的水污染特征和水质评价进行研究，提供较为客观的决策依据，也可为其他地区的水质评价工作提供参考借鉴。
（3）建立了WASP模型，对桃林口水库水质进行预测模拟
（4）进行GIS预警研究
（5）进行“蓝色卫士”预警研究
2、经济社会指标：
BP神经网络的应用使得桃林口水库的水污染特征和水质评价、水质预测等问题得到了解决，减轻了水环境管理者的工作难度和工作花销，如BP神经网络预测桃林口水质，为水库水质变差做出了提前的判断和预防，减少了水质治理的难度和费用。该模型的应用为水环境管理者提供了客观的决策依据，也可为其他地区的水质评价工作提供参考借鉴。
3、创新点和成果
神经网络是一种新型的黑箱方法，由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。它克服了线性和非线性拟合中的基函数选择与系数求解的困难。人工神经网络模型摈弃了任何人为因素，只根据水质标准本身的特点进行学习，这是与传统水质预测方法的根本区别。
本课题构建的水库主要污染指标的BP人工神经网络预测模型，为不同水期、不同地点生态环境的管理提出科学化、合理化建议。基于预警软件所创建的特定污染物的预警模型，同时利用GIS空间特征分析和“蓝色卫士”预警系统的设立，对各类数据进行整理、查询、统计和展示，可以为今后的饮用水安全及环境管理提供科学依据。 |