浙江近岸海域水质预测模型及溢油风险评价

内容简介

[

　　《浙江近岸海域水质预测模型及溢油风险评价》分为两篇，一篇以浙江近岸海域水质监测数据为例详细介绍了目前常用的一些非机理性水质预测模型，如BP神经网络模型、Elman神经网络模型、灰色GM（1，1）模型、ARIMA模型等，并对其具体的建模过程和程序化进行了展示。此外，由于不同的预测模型具有不同的应用特征及优缺点，而模型的优化和组合能提高预测精度，因此《浙江近岸海域水质预测模型及溢油风险评价》也介绍了模型的组合优化过程，并对其预测效果进行了比对。第二篇从海洋溢油危害、风险评价的方法、研究现状等方面介绍了溢油风险评价的基础理论，建立了适用于石油储运港区的溢油风险评价指标体系，构建了基于层次分析的模糊综合评价模型，并用所建模型对舟山岙山石油储运港区的溢油风险进行了综合评价，提出了降低溢油风险的合理化建议。　　《浙江近岸海域水质预测模型及溢油风险评价》适合高等学校海洋科学类和环境科学类专业的教师和学生选作参考资料，也适合国内外涉及海洋环境化学、海洋化学、海洋科学与海洋技术方向的科研人员和从事相关工作的专业人员以及从事水污染控制、水环境等领域的科技人员选作参考书。

]

目录

第1篇 模型预测及程序化实现第1章 海水监测数据预处理1．1 数据预处理概述1．2 数据预处理方法第2章 海洋水质评价2．1 水质评价方法概述2．2 岙山海域水质现状分析2．3 温岭海域水质现状分析第3章 多要素水质数据分析3．1 多变量数据分析概述3．2 海水监测数据统计分析实例第4章 Elman神经网络模型预测4．1 Elman神经网络的概述4．2 样本数据选取与处理4．3 模型参数确定4．4 建立并训练网络4．5 模型检验4．6 模型评价第5章 BP神经网络模型预测5．1 BP神经网络建模5．2 样本数据选取与处理5．3 模型参数确定5．4 建立并训练网络5．5 模型仿真5．6 检验网络5．7 结果分析第6章 ARIMA模型预测6．1 ARIMA模型概述6．2 样本数据的选取6．3 样本数据的预处理6．4 模型阶数的确定6．5 模型参数检验6．6 模型预测检验第7章 灰色GM（1，1）模型预测7．1 灰色预测模型建模的一般机理和过程7．2 GM（1，1）模型预测实例第8章 组合模型预测8．1 组合模型概述8．2 子模型的选取8．3 确定组合模型权重8．4 组合模型建立8．5 组合模型检验第9章 基于组合模型水质预测方法的水质预警系统软件实现9．1 软件背景9．2 软件概述9．3 使用说明本篇小结第2篇 海洋溢油模型及风险评价方法第10章 海洋溢油模型背景简介第11章 溢油风险评价概述11．1 风险与风险评价11．2 风险评价方法11．3 溢油风险评价研究现状11．4 溢油风险评价中的趋势与不足第12章 溢油风险的基础理论12．1 石油在海洋中的转归12．2 溢油危害性理论12．3 溢油的应急处理第13章 石油储运港区溢油风险评价指标体系的构建13．1 石油储运港区溢油风险的危险源分析13．2 石油储运港区溢油风险评价指标体系的构建第14章 石油储运港区溢油风险的模糊综合评价14．1 因素集和评价集的确定14．2 评价指标隶属度的确定14．3 各级指标权重的计算14．4 模糊综合评价模型第15章 案例应用及相关溢油风险评价程序的开发15．1 案例介绍15．2 综合评价第16章 动态溢油风险评价模型16．1 历史数据16．2 数据处理16．3 数据拟合16．4 风险评价建立本篇小结参考文献

封面

书名:浙江近岸海域水质预测模型及溢油风险评价

作者:孙静亚

页数:138

定价:¥36.0

出版社:海洋出版社

出版日期:2016-09-01

ISBN:9787502795627

PDF电子书大小:48MB 高清扫描完整版