区域农业水环境特征及其发展态势研究
发布时间：2022-02-19 19:51
建三江管理局是我国的重要商品粮基地,位于三江平原腹地,地势平坦、土地肥沃、水资源丰富,发展农业具有得天独厚的优势。随着经济和社会的发展,导致粮食需求量逐年增多。为提高粮食产量,过度施用化肥、农药和超采地下水等掠夺式的开发对建三江管理局水环境造成了严重破坏。在这种背景下,对建三江管理局的地表水和地下水环境质量进行评价,提取影响建三江管理局水环境质量的关键驱动因子并进行相应情景模拟分析,对保障农业灌溉用水和粮食安全,提高水资源利用率,推进农业供给侧结构性改革,实现“绿色农业”和“清洁生产”,实现农业的可持续发展,提高水资源利用率,推进农业供给侧结构性改革,以及实现“绿色农业”和“清洁生产”具有重要的理论和现实意义。本文将建三江管理局下辖15个大中型国有农场作为研究区域,对其地表水、地下水环境质量进行评价,提取建三江管理局水环境质量的关键驱动因子,并进行相应的情景模拟分析,具体研究内容如下:（1）利用地表水环境质量RBF神经网络评价模型和基于花朵授粉算法的地表水环境质量极限学习机评价模型对建三江管理局下辖15个大中型国有农场的地表水环境质量进行评价。结果表明建三江管理局下辖15个农场中仅勤得...
【文章来源】：东北农业大学黑龙江省211工程院校
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 立题依据
1.2 研究的目的和意义
1.3 国内外研究动态
1.3.1 地表水环境质量评价
1.3.2 地下水环境质量评价
1.3.3 水环境质量驱动机制及其发展态势研究
1.4 主要研究内容与技术路线
1.4.1 主要研究内容
1.4.2 技术路线
2 建三江管理局地表水环境特征研究
2.1 研究区域概况
2.1.1 地理位置及行政分区
2.1.2 自然条件
2.2 研究方法与数据来源
2.2.1 基于花朵授粉算法的地表水环境质量极限学习机评价模型
2.2.2 地表水环境质量RBF神经网络评价模型
2.2.3 数据来源
2.3 结果与分析
2.3.1 指标选取及水质等级划分依据
2.3.2 基于FPA-ELM模型的地表水环境特征分析
2.3.3 基于RBF神经网络的地表水环境特征分析
2.4 讨论
2.4.1 评价方法拟合度对比
2.4.2 评价方法合理性对比
2.4.3 评价方法可靠性对比
2.5 本章小结
3 建三江管理局地下水环境特征研究
3.1 研究方法与数据来源
3.1.1 基于萤火虫算法的地下水环境质量投影寻踪评价模型
3.1.2 地下水环境质量F值评分法评价模型
3.1.3 地下水环境质量随机森林评价模型
3.1.4 数据来源
3.2 结果与分析
3.2.1 指标选取及水质等级划分依据
3.2.2 基于FA-PP模型的地下水环境特征分析
3.2.3 基于F值评分法的地下水环境特征分析
3.2.4 基于随机森林的地下水环境特征分析
3.3 讨论
3.3.1 评价方法结果对比
3.3.2 评价方法合理性对比
3.4 本章小结
4 建三江管理局水环境质量驱动机制及其发展态势研究
4.1 研究方法与数据来源
4.1.1 基于BP神经网络的决策与实验室法
4.1.2 多元线性回归分析
4.1.3 情景分析法
4.1.4 数据来源
4.2 结果与分析
4.2.1 指标选取
4.2.2 建三江管理局水环境质量驱动机制分析
4.2.3 建三江管理局水环境质量未来演变趋势分析
4.2.4 不同情景模式下的水环境特征分析
4.3 讨论
4.3.1 关键驱动因子合理性分析
4.3.2 建三江管理局水环境风险应对策略
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]水污染治理工程的常见问题与对策探究[J]. 沈秀君. 工程建设与设计. 2019(04)
[2]水体防治措施及存在问题与对策[J]. 张雷,李会玲. 绿色科技. 2019(04)
[3]水污染治理工作中的多元主体参与现状简述[J]. 刘洋. 节能. 2019(02)
[4]基于BP神经网络的南京市房价预测[J]. 吴姗姗. 市场周刊. 2019(02)
[5]基于BP神经网络的银行卡反欺诈系统研究[J]. 范玉洁,武明虎. 山东工业技术. 2019(03)
[6]基于BP神经网络的京津冀老年人口预测模型的构建及分析[J]. 杨佳琦,张亚平,安文忠,席彪,祖亮,单伟颖. 承德医学院学报. 2019(01)
[7]基于BP神经网络的苯储罐泄漏事故风险评价模型研究[J]. 杨继星,佘笑梅,黄玉钏,李振平,边路. 中国安全生产科学技术. 2019(01)
[8]基于BP神经网络的雨滴谱仪设计[J]. 王珲,葛益娴,刘清惓,韩上邦,孙启云. 现代电子技术. 2019(03)
[9]基于神经网络的准考证号码识别研究[J]. 邓立,张祺,张伟新. 工业控制计算机. 2019(01)
[10]基于BP神经网络的高职院校教学诊断和改进的评核模型[J]. 刘中胜. 信息与电脑(理论版). 2019(02)
博士论文
[1]基于碳足迹的新疆产业、能源与环境可持续发展研究[D]. 王鑫.新疆大学 2018
[2]黑龙江省建三江地区稻谷产业链发展研究[D]. 曹泽辉.北京林业大学 2013
硕士论文
[1]漳河上游河流水质评价及预测[D]. 李杰.河北工程大学 2018
[2]随机森林算法的优化研究及在文本并行分类上的应用[D]. 张鑫.南京邮电大学 2018
[3]基于欠采样随机森林的Stacking模型研究[D]. 尤芳芳.华东师范大学 2018
[4]基于RBF的高速列车速度跟踪控制及仿真研究[D]. 王明祥.华东交通大学 2018
[5]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[6]基于BP神经网络优化施工现场平面布置的应用研究[D]. 尚美珺.吉林建筑大学 2018
[7]基于BP神经网络的Map-Reduce能耗优化模型的研究[D]. 余楚波.南昌大学 2018
[8]基于RBF神经网络地下水位预测研究[D]. 王晓伟.黑龙江八一农垦大学 2018
[9]基于灰色BP神经网络在建筑工程造价估算中的研究[D]. 田雨晴.华北水利水电大学 2018
[10]基于RBF神经网络模型的松辽流域水环境承载力评价研究[D]. 赵松源.吉林大学 2018
本文编号：3633517
【文章来源】：东北农业大学黑龙江省211工程院校
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 立题依据
1.2 研究的目的和意义
1.3 国内外研究动态
1.3.1 地表水环境质量评价
1.3.2 地下水环境质量评价
1.3.3 水环境质量驱动机制及其发展态势研究
1.4 主要研究内容与技术路线
1.4.1 主要研究内容
1.4.2 技术路线
2 建三江管理局地表水环境特征研究
2.1 研究区域概况
2.1.1 地理位置及行政分区
2.1.2 自然条件
2.2 研究方法与数据来源
2.2.1 基于花朵授粉算法的地表水环境质量极限学习机评价模型
2.2.2 地表水环境质量RBF神经网络评价模型
2.2.3 数据来源
2.3 结果与分析
2.3.1 指标选取及水质等级划分依据
2.3.2 基于FPA-ELM模型的地表水环境特征分析
2.3.3 基于RBF神经网络的地表水环境特征分析
2.4 讨论
2.4.1 评价方法拟合度对比
2.4.2 评价方法合理性对比
2.4.3 评价方法可靠性对比
2.5 本章小结
3 建三江管理局地下水环境特征研究
3.1 研究方法与数据来源
3.1.1 基于萤火虫算法的地下水环境质量投影寻踪评价模型
3.1.2 地下水环境质量F值评分法评价模型
3.1.3 地下水环境质量随机森林评价模型
3.1.4 数据来源
3.2 结果与分析
3.2.1 指标选取及水质等级划分依据
3.2.2 基于FA-PP模型的地下水环境特征分析
3.2.3 基于F值评分法的地下水环境特征分析
3.2.4 基于随机森林的地下水环境特征分析
3.3 讨论
3.3.1 评价方法结果对比
3.3.2 评价方法合理性对比
3.4 本章小结
4 建三江管理局水环境质量驱动机制及其发展态势研究
4.1 研究方法与数据来源
4.1.1 基于BP神经网络的决策与实验室法
4.1.2 多元线性回归分析
4.1.3 情景分析法
4.1.4 数据来源
4.2 结果与分析
4.2.1 指标选取
4.2.2 建三江管理局水环境质量驱动机制分析
4.2.3 建三江管理局水环境质量未来演变趋势分析
4.2.4 不同情景模式下的水环境特征分析
4.3 讨论
4.3.1 关键驱动因子合理性分析
4.3.2 建三江管理局水环境风险应对策略
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]水污染治理工程的常见问题与对策探究[J]. 沈秀君. 工程建设与设计. 2019(04)
[2]水体防治措施及存在问题与对策[J]. 张雷,李会玲. 绿色科技. 2019(04)
[3]水污染治理工作中的多元主体参与现状简述[J]. 刘洋. 节能. 2019(02)
[4]基于BP神经网络的南京市房价预测[J]. 吴姗姗. 市场周刊. 2019(02)
[5]基于BP神经网络的银行卡反欺诈系统研究[J]. 范玉洁,武明虎. 山东工业技术. 2019(03)
[6]基于BP神经网络的京津冀老年人口预测模型的构建及分析[J]. 杨佳琦,张亚平,安文忠,席彪,祖亮,单伟颖. 承德医学院学报. 2019(01)
[7]基于BP神经网络的苯储罐泄漏事故风险评价模型研究[J]. 杨继星,佘笑梅,黄玉钏,李振平,边路. 中国安全生产科学技术. 2019(01)
[8]基于BP神经网络的雨滴谱仪设计[J]. 王珲,葛益娴,刘清惓,韩上邦,孙启云. 现代电子技术. 2019(03)
[9]基于神经网络的准考证号码识别研究[J]. 邓立,张祺,张伟新. 工业控制计算机. 2019(01)
[10]基于BP神经网络的高职院校教学诊断和改进的评核模型[J]. 刘中胜. 信息与电脑(理论版). 2019(02)
博士论文
[1]基于碳足迹的新疆产业、能源与环境可持续发展研究[D]. 王鑫.新疆大学 2018
[2]黑龙江省建三江地区稻谷产业链发展研究[D]. 曹泽辉.北京林业大学 2013
硕士论文
[1]漳河上游河流水质评价及预测[D]. 李杰.河北工程大学 2018
[2]随机森林算法的优化研究及在文本并行分类上的应用[D]. 张鑫.南京邮电大学 2018
[3]基于欠采样随机森林的Stacking模型研究[D]. 尤芳芳.华东师范大学 2018
[4]基于RBF的高速列车速度跟踪控制及仿真研究[D]. 王明祥.华东交通大学 2018
[5]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[6]基于BP神经网络优化施工现场平面布置的应用研究[D]. 尚美珺.吉林建筑大学 2018
[7]基于BP神经网络的Map-Reduce能耗优化模型的研究[D]. 余楚波.南昌大学 2018
[8]基于RBF神经网络地下水位预测研究[D]. 王晓伟.黑龙江八一农垦大学 2018
[9]基于灰色BP神经网络在建筑工程造价估算中的研究[D]. 田雨晴.华北水利水电大学 2018
[10]基于RBF神经网络模型的松辽流域水环境承载力评价研究[D]. 赵松源.吉林大学 2018
本文编号：3633517
本文链接：https://www.wllwen.com/nykjlw/nygclw/3633517.html
