《景观水体毕业论文.doc》由会员分享，可在线阅读，更多相关《景观水体毕业论文.doc（47页珍藏版）》请在金锄头文库上搜索。
1、摘 要在水资源短缺和水污染日益严重的背景下，对水环境的保护和研究越来越重要。而景观水体作为一种特殊的水环境，自净能力差，易受污染，是社会公众关注的焦点。对景观水体的水质变化趋势的研究，可以为确定景观水体的水环境容量、水质现状与水环境管理规划提供科学的依据，以实现景观水体的良性、可持续发展。本文以天津大学校园内的四个景观湖作为研究对象，通过前期调研、监测点的布设来进行水质监测，并根据监测数据对四大景观湖的水质现状进行分析与评价，发现四大景观湖基本上可以满足V类水体的标准，但都存在富营养化现象。然后利用水质监测数据建立机理性的WASP水质模型与非机理性的BP神经网络的水质模型，并利用统计学中的均方
2、根误差（RMSE）和相关系数r来检验WASP模型，用相对误差来检验BP神经网络模型，检验结果都令人满意。最后，根据这两个模型作出水质变化趋势的预测，并从污染源的控制与自净容量的扩大两个方面出发，提出一套景观湖水质保持方案。关键字：景观湖；水质监测；水质分析；WASP水质模型；BP神经网络水质模型；水质变化趋势；水质保持方案ABSTRACTUnder the background of water resources shortage and serious water pollution, it is more and more important to protect and researc
3、h water environment. Landscape water is a special type of water environment and the public often focus on the landscape water. Because its self-purification ability is poor and it is easy to get polluted. The research of landscape water quality can determine water environmental capacity of landscape
4、 water, water quality and provide a scientific basis to water environment management and planning. So the landscape water can keep good state and sustainable development. In this paper, we analyze four landscape lakes in Tianjin University. Through preliminary investigation, the layout of sampling p
5、oint, we begin monitoring the water quality. Basing on the monitoring data, we analyze and evaluate the water quality of four landscape lakes. On the whole, all of the four landscape lakes can meet the standard V, but they all have the problem of eutrophication. Then through using the water quality
6、monitoring data, we establish the mechanism water quality model WASP and non-mechanism water quality model BP artificial neural networks. And we use statistics of the root mean squared error (RMSE) and correlation coefficient (r) to test the WASP model and used the relative error to test BP artifici
7、al neural network model. The test results are satisfactory. In the end, we forecast the treads of water quality and propose a program to keep landscape lakes sustainable development from pollution controlling and self-purification capacity expansion.Key words: Landscape Lake; Water Quality Monitorin
8、g; Water Quality Analysis; Water Quality Model WASP; Water Quality Model BP Artificial Neural Networks; Treads of Water Quality; Water Quality Maintaining Programs3目 录 第一章 绪论11.1 研究背景11.2 国内外发展状况11.3 研究内容与方法3第二章 景观湖的基本概况42.1 景观湖的地理位置和气候条件42.2 景观湖的周边环境及水质要求4第三章 景观湖的水质监测53.1 前期调研53.2 监测点的确定63.3 监测指标与相
9、应的监测方法8第四章 景观湖的水质评价94.1 水质监测结果与分析94.1.1 物理性指标的分析94.1.2 化学性指标的分析104.1.3 生物性指标的分析164.2 水体的富营养化评价17第五章 机理性的WASP软件的水质模型215.1 WASP简介215.2 WASP模型的基本计算方程23215.3 WASP模型的建立与检验225.3.1 叶绿素a的模拟235.3.2 氨氮的模拟235.3.3 溶解氧DO的模拟245.3.4 WASP模型的检验265.4 基于WASP水质模型的水质变化趋势27第六章 非机理性的BP神经网络的水质模型286.1 BP神经网络简介286.2 BP神经网络的水
10、质模型的建立286.3 BP神经网络水质模型的检验316.4 基于BP神经网络的水质变化趋势32第七章 景观湖的水质保持方案347.1 污染源的控制方案347.2 自净容量的扩大方案357.2.1 物理化学法357.2.2 生物法357.2.3 生态法35第八章 结论368.1 研究成果368.2 不足与展望37参考文献38外文资料中文译文致 谢天津大学2013届本科生毕业论文第一章 绪论1.1 研究背景水是地球的重要组成成分，也是人类赖以生存的基础。从世界范围上看，我国的水资源总量排名第六，位于巴西、俄罗斯、加拿大、美国和印度尼西亚之后，约占世界河川径流总量的5.8%1。然而，我国人口众多，
11、人均水资源的拥有量仅为2200m3，是世界人均拥有量的1/4。同时，我国的水资源在空间上分布及其不均衡，存在“南多北少、东多西少”的现象。而天津的人均水资源拥有量不到160 m3，位于全国倒数第一，远远低于国际惯例规定的人均1700 m3的警戒线，甚至比1000 m3的紧缺标准和500 m3的极度紧缺标准还要低。同时，严重的环境污染使大量的水资源失去了被人类利用的价值，这无疑使人均实际可支配的水资源量进一步下降。水资源短缺或者水资源的资源性短缺已经成为世界关注的焦点。而随着社会经济的发展和人们生活水平的不断提高，人们对生活周围的水环境质量也越来越重视。景观河道、人造湖泊和人造景观湖等景观水体作
12、为一种可以调节气候、美化环境与陶冶情操的“元素”，在越来越多的城市开始出现。然而景观水体大多数都是静止或者流动性很差的缓流水体，易污染，自净能力差2，并容易成为居民生活污水、雨水和垃圾的受纳体3。同时，不少景观水体的建设过于形式化，生搬硬套4，后期又缺少维护和治理，使得景观水体在一段时间之后就会发黑发臭，出现严重的水污染现象。在全球水资源短缺与水污染严重的背景下，研究污染物在景观水体中迁移、扩散的规律与各个水环境因子之间的相互关系，确定引起景观水体水质变化的关键因素，并对景观水体的水质变化趋势进行预测的景观水体水质变化趋势研究就成为国内外学者研究的重点。同时，景观水体的水质变化趋势研究能为景观
13、水体的水质评价、景观水体自净容量的确定、景观水体富营养化与污染的控制和水环境管理规划5提供科学的依据，以实现景观水体的综合利用和可持续发展，并为解决困扰全世界的水环境问题作出自身独有的贡献。1.2 国内外发展状况自从1925年Streeter和Phelps研究了水体中的BOD与DO的变化关系，并提出著名的BOD-DO水质模型5以来，研究水体水质变化趋势的序幕就此拉开。特别在上个世纪六七十年代，水质变化趋势的研究得到了很大的发展，一些研究者如：Vollenweider、Dillon等深入研究了景观水体的富营养化与水体营养物质之间的关系2。在七八十年代，美国在景观水体水质变化趋势及预测方面取得了巨
14、大的研究成果，研发了许多用于水质变化与预测的模型，如WRMMS模型以及动态水质模型WASP5。从八十年代以来，伴随着发达国家对水体面源污染的控制，水体的面源污染得到了很好的控制，大气中的污染物成为影响水质的重要污染因素。在这个时期，产生了QUAL系列模型6和动态WASP模型。同时伴随着计算机技术的不断发展和创新、数学理论的不断突破和进步，多种新的技术方法被应用到水质模型中，如：随即数学、模糊数学、人工神经网络与3S技术，并由此建立了较为成熟的水质模型与预测体系。在国内，景观水体的水质变化趋势研究相对起步较晚。由于绝大部分的景观水体缺少数据资料，自然对景观水体内部各因子的变化过程与规律难以掌握。
15、当然，这就更难实现建立景观水体的水质模型与预测体系的目标。直到七五期间，国家环保局才对我国境内的20多个具有代表性的湖泊进行探讨与调查工作，获得了较多、较高水平的水体数据资料。并在深入研究水体富营养的变化趋势之后，提出了评价水体富营养化的3个方法，即营养度指数法、营养状态指数法与评分法2。进入21世纪，国内一些研究学者在研究了水体水质变化规律的基础上，借助计算机强大的计算功能，利用最新的数学理论，提出了多种水质评价方法和水质模型：如李广源等研究了基于最小一乘法的多元线性回归预测模型7，成功预测了2010年洞庭湖富营养化评价指标值；李祎泳等研究了投影寻踪回归（PPR）的富营养状态的综合指数预测模型，并在优化后得到了适用于太湖的富营养化综合指数的PPR预测模型8；陈毓龄等研究了浅水水体的水动力的生态水质模拟模型9，模拟精度良好，最终对滇池1988年的富营养化程度进行了判别；侯军等选用三层网络结构的BP神经网络来模拟景观水体的富营养化状况，通过软件MATLAB编写了BP神经网络训练和测试程序，
