Matlab课程设计--河流污染物总量控制规划
流域水环境污染物总量控制技术及运用分析
流域水环境污染物总量控制技术及运用分析1. 引言1.1 研究背景流域水环境污染是当前环境领域面临的重要问题之一，随着工业化和城市化进程的加快，流域水环境污染物的排放量不断增加，对水资源的质量和生态环境造成了严重威胁。
为了有效控制流域水环境污染物的总量，提升水质，保护水资源，需要采用先进的技术手段和管理措施。
研究流域水环境污染物总量控制技术的背景在于如何有效减少污染物的排放量，实现水环境质量的保护和改善。
随着环境保护意识的提高和科技的进步，人们对于流域水环境污染问题的关注度也在逐渐增加。
各国政府和组织纷纷出台相关政策和标准，推动流域水环境的治理和保护工作。
流域水环境污染物总量控制技术的研究具有重要的理论和实践意义，可以为国家和地方政府提供有效的技术支持和决策依据，促进流域水环境的可持续发展。
深入研究流域水环境污染物总量控制技术，探索其运用方法和效果，对于改善水环境质量，推动生态文明建设具有重要意义。
1.2 研究意义水环境污染是当前全球面临的重要环境问题之一。
随着工业化和城市化的快速发展，流域水环境受到越来越严重的污染，给社会经济发展和人民生活带来了严重影响。
研究流域水环境污染物总量控制技术具有重要的现实意义和理论意义。
流域水环境污染物总量控制技术的研究可以帮助我们更好地了解污染物在流域水环境中的迁移规律和影响因素，为科学制定流域水环境保护政策和措施提供理论依据和技术支持。
通过应用污染物总量控制技术，可以有效减少污染物的排放量，改善水环境质量，保护水资源，维护生态平衡，促进生态文明建设。
流域水环境污染物总量控制技术的研究还能推动现代环境科学和工程技术的发展，促进研究成果的转化和应用，提高我国环境保护和水资源管理的技术水平和管理水平，为构建资源节约型、环境友好型社会做出贡献。
研究流域水环境污染物总量控制技术的意义在于保护人类生存环境，促进可持续发展，实现经济、社会和生态效益的协调统一。
这也是我们开展此项研究工作的根本目的和意义所在。
Matlab在水资源管理与水环境保护中的应用指南
Matlab在水资源管理与水环境保护中的应用指南水是人类生活的基本必需品，也是经济发展和生态平衡的关键元素。
随着人口的增长和工业化的推进，水资源管理和水环境保护的重要性日益凸显。
在这一领域，Matlab作为一种功能强大的数学软件，提供了丰富的工具和技术，可以帮助我们更好地进行水资源管理和水环境保护工作。
1. 水资源分析与规划水资源分析与规划是水资源管理的基础工作。
Matlab提供了强大的数据分析和建模工具，可以帮助水资源管理者对水资源进行全面的评估和规划。
通过Matlab，我们可以对水文数据进行处理和分析，包括降雨量、蒸发量、径流量等。
同时，Matlab还提供了灵活的统计分析工具，可以对水资源数据进行统计分析、趋势分析等，帮助我们更好地理解水资源的变化规律。
2. 水资源调度与优化合理的水资源调度和优化是保障水资源供应的重要手段。
在这方面，Matlab提供了各种优化算法和工具，可以帮助我们进行水资源调度和优化模型的建立和求解。
通过Matlab，我们可以将水资源系统建模为数学模型，包括水资源供需平衡模型、水资源调度模型等。
利用Matlab提供的优化算法，可以对这些模型进行求解，得到最优的水资源调度方案，从而实现水资源的合理利用与分配。
3. 水环境模拟与评估水环境模拟和评估是水环境保护的重要工作内容。
Matlab提供了丰富的模拟工具和环境评估方法，可以帮助我们对水环境进行模拟和评估。
通过Matlab，我们可以建立水环境数学模型，模拟水环境的污染传输、水质演变等过程。
同时，Matlab还提供了空间分析工具，可以对水环境数据进行空间分析和可视化，帮助我们更好地理解和评估水环境的状况。
4. 水资源管理决策支持水资源管理涉及到众多的决策问题，包括水资源供应方案的选择、水资源治理策略的制定等。
在这方面，Matlab提供了决策支持工具和技术，可以帮助水资源管理者进行决策分析和优化。
通过Matlab，我们可以建立决策模型，包括多目标决策模型、不确定性决策模型等。
MATLAB神经网络工具箱在河流水质预测中的应用
MATLAB神经⽹络⼯具箱在河流⽔质预测中的应⽤五⾢⼤学学报（⾃然科学版） JOURNAL OF WUYI UNIVERSITY ( Natural Science Edition) 第23卷第1期2009年 2⽉ V ol.23 No.1Feb. 2009⽂章编号：1006-7302（2009）01-0069-05MATLAB 神经⽹络⼯具箱在河流⽔质预测中的应⽤陈龙1，张新政1，袁从贵1，宋华兵1,2（1. ⼴东⼯业⼤学⾃动化学院，⼴东⼴州 510009；2. 肇庆学院数学系，⼴东肇庆 526061）摘要：根据计算河流⽔质的数学模型，使⽤MATLAB 神经⽹络⼯具箱建⽴了河流⽔质预测系统的神经⽹络，并以长期监测的珠江流域东江⽔质状况为例，对建⽴的⽹络系统进⾏了仿真，结果表明了⽅法的有效性.关键词：神经⽹络；⽔质预测；MATLAB中图分类号：N945.12；TP275 ⽂献标识码：AApplication of MATLAB Neural Network’ Tool-box in River Water Quality PredictionCHEN Long 1, ZHANG Xin-zheng 1, YUAN Cong-gui 1, SONG Hua-bing 1,2(1. Guangdong University of Technology, Guangzhou 510090, China;2. Mathematics Department of Zhaoqing University, Zhaoqing 526061, China)Abstract: A neural network for predicting river water quality is built based on amathematical model for determining river water quality by using the GUI in the MATLABneural networks ’ tool box. Simulation of the network using the data derived fromlong-term monitoring of the water quality of the East River in the Peal River Systemshows the method is effective.Key words: neural networks; water quality prediction; MATLAB城市河流是⼀个开放的系统，其⽔质易受到⾃然和⼈为因素的影响. 从2007年8⽉份全国⽔资源质量概况总体来看，我国⽔体污染以耗氧有机物为主，且污染⼗分严重. 因此对河流⽔质的预测、控制变得极为重要.1 ⽔质预测和神经⽹络1.1 ⽔质预测⽔质预测是指在⼀定范围内，对⼀定时期的⽔质状况进⾏分析，对其未来发展状况进⾏预测，收稿⽇期：2008-09-09基⾦项⽬：国家⾃然科学基⾦资助项⽬（60574052），⼴东省科技计划资助项⽬（2005B33301008），⼴东省⾃然科学基⾦资助项⽬（05001820）作者简介：陈龙（1983— ），男，江西赣州⼈，硕⼠研究⽣，研究⽅向：⼤系统的优化、控制及管理，E-mail ：chenlong_20000@/doc/f0061751ad02de80d4d8404b.html ；张新政，教授，博⼠⽣导师，通信作者，研究⽅向：复杂⼤系统的建模与控制、变结构控制，E-mail:lucy@/doc/f0061751ad02de80d4d8404b.html .五⾢⼤学学报（⾃然科学版） 2009年 70 确定⽔质的状况及其变化的趋势、速度以及达到某⼀变化限度的时间等. 对⽔质进⾏预测可应⽤于防范各类突发事件，包括低概率和⾼风险的化学物质、微⽣物及放射性物质污染事件，污染物的有意排放及⼈为投加等，为政府部门提供决策⽀持，最⼤限度地降低突发事件的影响. ⽔质预测的常见⽅法有线性回归⽅法[1]、时间序列⽅法[2]、灰⾊系统⽅法[3]、神经⽹络⽅法等.1.2 神经⽹络⼈⼯神经⽹络经过多年的发展，在解决各种过程监控的技术问题中取得了很⼤的成功，例如语⾳识别、实时语⾔翻译、矿藏勘探、脑电图和⼼电图的分析，国防⽅⾯的武器操纵、⽬标的跟踪和识别，⼯业⽅⾯的过程控制、智能故障诊断等[4]. 神经⽹络就⽬前的应⽤来说，主要偏重于特征的提取、过程的控制和状态的预测.针对复杂、模糊、⾼度⾮线性河流⽔质的预测、预报问题，如果⽤常规⽅法来处理，要么是⽆从解决，要么是⾮常复杂且耗资巨⼤[5]. ⽽神经⽹络在对信息的加⼯处理过程中均表现出很强的容错能⼒，其在计算处理信息的过程中所表现出的容错性来⾃于其⽹络⾃⾝的结构特点. 神经⽹络的主要优势就在于它的学习性和⾃动调整性，所以⾮常适合处理⾮线性问题. 因⽽将其应⽤于河流⽔质监测预测系统中，前景⾮常⼴阔. 宋华兵等[6]将神经⽹络内嵌到⽔质模型中，构成⼀个具有学习功能的不确定性⽔质模型. 陈建秋等[7]利⽤时滞⼤系统理论分析流域⽔污染的控制，将⼩波神经⽹络应⽤于⽔质预测中.2 计算河流⽔质的数学模型河流⽔质预测依赖于计算河流⽔质的数学模型，QUAL -II 是⼀个具有多种⽤途的河流⽔质模型，它能按照使⽤者的要求，以各种组合⽅式描述各⽔质参数[8]. 模型的基本⽅程：AS x QC x x C EA tAC +=??)()()(，（1）式中C 为河段中某种污染物的浓度，t 为时间，x 为河⽔的流动距离，E 为河流纵向离散系数，A 为断⾯，Q 为流量.QUAL -II 模型假设流量处于稳定状态，即0=??t Q ，0=??t A ，于是式（1）可变成以下形式： ext int )()(S S xA QC x A x C EA t C ++=??，（2）式中int S 为⽔质变量C 的内部源和漏，ext S 为外部源和漏. 当源漏项∑i S 仅为反应衰减项C K 1时，则式（2）可变为：1()()=?+???C EA C QC x K C t A x A x. （3）对于均匀河段，断⾯A 为常量，u 为河段⽔流的平均速度，将uA Q =，=x ut 代⼊式（3）化简可得⽔质模型⽅程：21222??=+??C E C K C t u t . （4）第23卷第1期 71陈龙等：MATLAB 神经⽹络⼯具箱在河流⽔质预测中的应⽤3 MATLAB神经⽹络⼯具箱3.1 MATLAB 神经⽹络⼯具箱的GUI（图形⽤户界⾯）⼯具现有的⽤MATLAB 预测河流⽔质的模型，GUI 的所有功能绝⼤多数都是通过代码编程来实现的，它程序简洁，但不直观；⽽使⽤MATLAB 神经⽹络⼯具箱的GUI ⼯具建⽴⽹络并对⽹络进⾏初始化、训练、仿真和应⽤等各种操作⾮常⽅便，界⾯友好直观，只要运⽤少量神经⽹络的命令函数即可. 神经⽹络⼯具箱的GUI ⼯具主要包括：1）神经⽹络GUI ⼯具主窗⼝；2）神经⽹络的建⽴窗⼝；3）⽹络训练对话框；4）⾃适应参数设置对话框；5）权值显⽰窗⼝. 通过神经⽹络⼯具箱的GUI ⼯具按钮就能很⽅便地打开所建⽴的神经⽹络的结构图进⾏察看，也可以看到⼀个训练过程的偏差曲线变化图.3.2 神经⽹络⼯具箱解决问题的⼀般步骤1）对待解决的问题进⾏分析，根据各种⽹络的特点选⽤合适的⽹络模型；2）建⽴⽹络；3）对⽹络初始化；4）对⽹络进⾏训练；5）对⽹络进⾏仿真检验；6）应⽤⽹络解决问题.4 系统的预测仿真经过长期对珠江流域东江河流⽔质状况的研究，我们获得了⼤量的河流⽔质数据，这⾥采⽤⽔质参数耗氧量（mg/L ）30 d 的数据进⾏研究.4.1 使⽤神经⽹络GUI ⼯具建⽴神经⽹络的输⼊样本和⽬标样本1）在MATLAB 命令窗⼝输⼊nntool ，打开图形⽤户界⾯⼯具主窗⼝，如图1所⽰.2）单击New Data 按钮，打开数据⽣成对话框. 建⽴输⼊样本P ，数据的输⼊和设置如图2所⽰，单击Create 按钮关闭对话框.3）依照上⼀步，输⼊⽬标样本T ，数据类型选Targets. 回到GUI ⼯具的主窗⼝，单击Export 按钮弹出导出对话框，选中变量P 和T ，然后单击Export 按钮，把变量P 和T 导出到⼯作区. 这为仿真⽂件从⼯作空间调⽤导⼊数据做好了准备.图1 GUI ⼯具主窗⼝图2 数据⽣成对话框五⾢⼤学学报（⾃然科学版） 2009年72 4.2 建⽴仿真模型⽂件进⾏预测运⾏MATLAB 软件中的Simulink 仿真环境，在神经⽹络模块库中调⽤神经⽹络预测控制模块NN Predictive Controller ，⽤模块封装技术建⽴河流⽔质数学⽅程模块，连接信号源模块和⽰波器模块后就建⽴了河流⽔质预测仿真⽂件predwq.mdl ，如图3，其中From Workspace 模块中是⽬标样本T 的数据，可以直接从⼯作区导⼊.双击神经⽹络预测控制模块NN Predictive Controller ，弹出如图4的窗⼝，此窗⼝⽤于设计模型预测控制器，输⼊控制器变量空间2N 和u N 、权值参数ρ和控制最优化参数α的值. 然后点击Plant Identification 按钮，打开系统辨识窗⼝，从⼯作区导⼊输⼊样本P ，设置好其它参数后训练⽹络，单击OK 按钮，将训练好的神经⽹络模型导⼊到神经⽹络预测控制模块中，在NN Predictive Controller 窗⼝中单击OK 按钮，将控制器参数导⼊到NN Predictive Controller 模块中.系统模块System Model 是⽤模块封装技术封装的河流⽔质微分⽅程式（4）的仿真模块，如图5所⽰.在predwq Simulink 主窗⼝，仿真时间输⼊100，再单击Start simulation 命令按钮开始仿真. 仿真结束后，双击⽰波器模块就可以查看仿真结果，如图6所⽰. 对仿真结果和⽬标样本的值进⾏⽐较，根据它们的差值绘出预测误差变化曲线，如图7所⽰.图3 predwq.mdl 仿真⽂件图4 神经⽹络预测控制模块窗⼝图5 河流⽔质微分⽅程仿真模块图6 ⽬标和预测结果图陈龙等：MATLAB神经⽹络⼯具箱在河流⽔质预测中的应⽤第23卷第1期73 Array 5 结果与讨论⽐较图6、图7知，本⽂建⽴的⽹络系统对⽔质参数耗氧量的预测图像和⽬标样本基本⼀致. 把仿真预测结果数据和实际⽬标样本数据进⾏⽐较，正、负最⼤误差分别为0.11和－0.06，最⼩误差为0，虽然还有偏差，但误差是在满意的范围之内. 因此，把河流⽔质的数学模型⽤MATLAB神经⽹络进⾏仿真预测，具有较⾼的精度，为河流⽔质预测提供了⽅便的⽅法.图7 预测误差的曲线变化参考⽂献：[1] 宛筝，李晔，汪晓露，等．多元线性回归与灰⾊联合模型在湖泊⽔质预测中的应⽤[J]．江苏环境科技，2006，19(2): 59-61.[2] 吴涛，颜辉武，唐桂刚．三峡库区⽔质数据时间序列分析预测研究[J]．武汉⼤学学报：信息科学版，2006，31(6): 500-507．[3] 焦瑞峰，吴昊，师洋．基于灰⾊关联分析的蒙特卡罗法建⽴⽔库出库⽔质预测模型[J]．环境⼯程，2006，24(4): 63-65.[4] 张铮，杨⽂平. MATLAB程序设计与实例应⽤[M]. 北京：中国铁道出版社，2003.[5] 范⽂飙，陈宇. ⽔源⽔质预警系统研究[J]. ⿊龙江科技信息，2007, 10: 43.[6] 宋华兵，张新政. 内嵌神经⽹络的不确定⽔质模型研究[J]，⽔资源与⽔⼯程学报，2008，19(1): 12-14.[7] 陈建秋，张新政. 基于⼩波神经⽹络的⽔质预测应⽤研究[C]//中国控制与决策学术年会论⽂集，天津：[出版者不详]，2006: 723-725.[8] 雒⽂⽣，宋星原. ⽔环境分析与预测[M]．武汉：武汉⼤学出版社，2004: 201-202.[责任编辑：孙建平]。
Matlab技术在水污染治理中的应用
Matlab技术在水污染治理中的应用引言：水污染是当今世界面临的严峻环境问题之一。
随着人口的增长和工业的发展，水污染问题变得越来越突出。
在这样的背景下，科学家们不断探索新的方法和技术来解决水污染问题。
Matlab作为一种强大的数值计算工具，广泛应用于各个领域，也在水污染治理中发挥着重要作用。
本文将介绍Matlab在水污染治理中的应用，并讨论其优势和局限性。
水污染模拟与预测：水污染模拟和预测是水污染治理的重要步骤。
通过模拟和预测，我们可以了解污染物在水中的扩散和转移规律，为制定有效的治理措施提供依据。
Matlab提供了丰富的数学建模和仿真工具，可用于建立水污染模型并进行预测。
首先，我们可以利用Matlab中的偏微分方程求解器，如PDEToolbox，来建立水污染传输模型。
该工具箱提供了各种偏微分方程的解法，包括有限差分法、有限元法等。
我们可以根据实际情况选择合适的模型和解法，并通过调整模型参数来模拟不同污染物在水中的扩散与转移过程。
其次，Matlab还提供了强大的数据处理和分析功能，可以帮助我们对水污染数据进行统计分析和趋势预测。
通过对历史数据的分析，我们可以揭示水污染的季节性变化和长期趋势，并利用这些信息来预测未来的水质状况。
此外，Matlab还支持多元回归分析和时间序列分析等高级统计方法，可以更准确地预测水污染的发展趋势。
污染物治理优化：污染物治理优化是水污染治理的关键环节。
通过优化治理策略和措施，我们可以最大限度地减少污染物排放和传输，提高水环境的质量。
Matlab在此方面的应用主要体现在优化算法和决策支持系统方面。
Matlab提供了丰富的优化算法工具箱，如Global Optimization Toolbox和Optimization Toolbox等。
这些工具箱包含了多种求解优化问题的算法，包括线性规划、非线性规划、整数规划等。
我们可以根据实际情况选择合适的算法，并结合水污染治理的具体问题，对治理策略进行优化。
基于Matlab的河流水质污染特征研究
面积淡水 供应不 足。 ２ 人饮 用水 出现 短缺… ； 近 ０亿 而且 随着 工农业 的迅速 发展 和 人 口增加 ， 污水 的 排放 量也 废 急剧增 加， 使许 多 江、 、 、 库 ， 至地 下水 等都 遭受 河 湖 水 甚 不同程 度的污染， 质下降。 水 排 放 到 河 流 中 的 污 染 物 主 要 来 源 于 生 活 污 水 、 业 工 废水和一些农业 灌溉 排水 ， 同的河 流 由于接 受污 水 的 不
分析， 出了该 断面的水质污染状态可 以用 ６个公共 因子来反映。 得
关键词 ： 水质 指标 ； 因子分析 ； 公共 因子 ； 江白河 汉
中图分 类号 ： ８ ２ Ｘ ３ 文献标识码 ： Ａ 文章编号 ：０３—１ ７ （０ ６ ０ —０ ６ —０ １０ ２ ８ ２ ０ ）４ ０ ６ ３ 因子分析 主要解 决 以下 问题 ： 先 要确 定 待分 析 的 首 若 干变量是否适于 因子 分析 ； 其次 要构造 因子变量， 利 并 用方差最大旋转 使得 因子变 量更 具 有可 解释 性 ； 转 变 旋 换的 目的是使 因子 载荷相 对集 中， 于 对 因子作 合理 的 便 解释， 因子 载荷 阵各列元 素绝 对值 的大小 ， 以判 断各 按 可
摘 要： 河流水 质污染特 征的研究是进 行河流水 质污染评 价和 水污染状 况预测 的前提和 基础。 目前在 河 流水质监测 中， 许多监测指标之 间具有一定 的相关性 ， 使得 这些指标提 供的整体信 息容易 发生重 叠， 不易 得
出简 明的水质污染 规律 。用因子分析方法， 运用 Ｍａ ａ ｔｂ软件对汉江 白河省界断面 的河 流水 质污染 特征进 行 ｌ
其中 ｚ、 ２ 码…… ｚ 为 个原 有变量， 均值为 ０ １Ｘ、 。 是 、 标准 差为 ｌ的标准化变量 ， Ｅ、 ２ Ｆ ……为 ｍ个 因子 变 Ｆ、 ３
基于MATLAB的水环境污染源因子分析
Ｑ：
Ｓ ｃｉ ｅｎｃｅ ａｎｄ Ｔ ｅ ｃｈｎ０ Ｏｇｙ ｎｎｏｖ ｌ Ｉ ａｔｉ Ｈｅｒ ｄ ｏｎ ａｌ
环 境 科 学
基于 ＭＡＴＬＡＢ的水环境 污市环 境保护 科学研 究 院 广 州 ５ ６ ０ 广 ０ ２ ） １
摘 要： 为了系统分 析区域水环境 污染 源现状 和特点 ， 本文 以广州市某 区为例， 用全国 第一次 污染源普 查数据 ， 用ＭＡＴ ＡＢ 采 运 Ｌ 软件进行 统 计 分 析 ， 该 区 水 污 染 源 的行 业 特 点 进 行 了 因 子 分 析 ， 该 区 的 水 污 染 防 治 及 环 境 决 策提 供 了理 论 基 础 。 对 为 关键词 ： 因子分析 ＭＡ ＬＡ 全 国第一次 污染源普 查 环境 管理 Ｔ Ｂ 中图分类号 ： ７ ５ Ｆ２ ５． 文 献标 识码 ： Ａ 文章编 号 ： ６ ４ ０ ８ ２ １ ） ３ ｃ一０ ３ －０ １ ７ － ９ Ｘ（ ０ ０ ０ （） １ ７ ２
２ ０ 年 ｌ 月 ， 了解 环 境 污 染 源 现 状 ， 为 实 测 的 ｐ维 向 量 ； 为 潜 在 因 子 或 公 共 ０６ ０ 为 Ｆ 掌 握 全 国污 染 源 排 放 基 本 情 况 ， 国务 院 下 因子 ， Ｐ×ｍ 阶矩 阵 ， 为 并且 ｍ＜Ｐ； Ａ称为 因 发了 国 务 院 关 于 开 展 第 一 次 全 国污 染 源 子 载 荷 矩 阵 ， 由 估 计 ， 根据 研 究 目的 的 并 普 查 的通知 》 国发 ￣ ０ ６ ３ 号 ）于 ２ ０ 年 初 （ ２ ０ ３６ ， ０ ８ 不同， 即进 行 Ｒ型 因子 分 析 或Ｑ型 因 子 分 析 开 展 第 一 次 全 国 污 染 源 普 查 。 业 污 染 源 的不 同 ， 阵 Ａ可 称 为 Ｑ型 因 子 载 荷 矩 阵 或 工 矩 是主要 环境污染 源之一 ， 用 系统 、 学 、 采 科 Ｑ型 因 子 载 荷 矩 阵 ； 称 为 特 殊 因 子 ， 括 包 客观的统计分析方法 ， 数据进行分析 ， 对 提 了随 机 误 差 。 取 数 据 所 隐 含 的 信 息 ， 现 污 染 源 之 间 的 发 内在 联 系 ， 为各 地 区 的 工业 污染 防治 、 境 环 ２ 基于ＭＡ Ｌ Ｂ 因子分析过 程 ＴＡ 的 管理和决 策提供技术 支持。 因子 分 析 的 ＭＡＴ ＡＢ Ｌ 实现 过 程 可 分 为 以下７ 。 步 １因子 分析原理 ２． １对 原始 数 据 进行 标 准 化处 理 因 子 分 析 产 生 于 ２ 世 纪 初 ， 主 成 分 ０ 是 原 始 数 据 标 准 化 的 目的 是 消 除 量 纲 不 分 析 法 的 一 种 自然 延 伸 ， 属 于 多 元 统 计 也 同 引起 的 差 别 ， 算 公 式 为 ： 计 分析。 因子 分 析 法 通 过 对 大 量 数 据 的观 测 ， 解 析 数 据 集 合 ， 较 少 有 代 表 性 的 因 子 来 用 ， ＝ （２一 ） １ ， ｏ ｉ 说 明 众 多 变 量 所 提 取 的 主 要 信 息 ， 析 多 分 个变 量 间的 关 系 。 ］ 因子 分析 按样 本 与 描 述 其 中 ， ． 为 第 列 的 平 均 值 ， ， 第 ， 为 样 本 的 指 标 间 的 关 系 可 分 为 Ｑ 因 子 析 和 型 ＿列 的 标 准 差 。 ， Ｒ型 因 子 分析 ； 对 数据 变换 方 法 的 不 同 又 按 ２ ２ 对标 准 化 后 的样 本 变量 矩 阵 再 进行 ． 可 分 为 抽 象 因 子 分 析 （ Ａ） 目标 因 子 分 ＡＦ 和 对 应 变 换 析 （ Ｆ ＿。 子 分 析 法 用 于 环 境 监 测 已有 Ｔ Ａ）】因 ２ 对 应 变 换 应 先 分 别 按 行 、 求 和 ， 到 列 得 较 多 的 研 究 成 果 发 表 ＿ ， 在 环 境 污 染 源 ３ 而 ， 的研 究 探 索 方 面 成 果 较 少 。 Ｘ日 ， 后 求 和 Ｔ＝ ｉ、 然 ， 而 得 到 对 进 ２ 世 纪 ７ 年 代 ， 国 数学 家Ｂ ｎ ｅ ｒ提 Ｏ ０ 法 ｅ ｚｃｉ 出 了对 应 因 子分 析 法 ， 用Ｒ型 因 子 分 析 和 应 变 换 后 的 新 矩 阵 Ｚ 中的 元 素 ： 利
Matlab在水资源管理中的应用指南
Matlab在水资源管理中的应用指南介绍Matlab是一种强大的数值计算和数据分析软件，被广泛用于各个领域的科学研究和工程实践。
在水资源管理领域，Matlab的应用也非常广泛，能够帮助我们解决各种与水资源相关的问题。
本文将通过几个实例介绍Matlab在水资源管理中的应用，包括水文数据处理、水资源评估和水资源模拟等方面。
水文数据处理在水资源管理中，水文数据是极为重要的信息来源，可用于分析水文过程、评估水资源供需状况等。
Matlab提供了丰富的数据处理函数和工具，能够帮助我们高效地处理水文数据。
首先，我们可以利用Matlab的读取和处理函数，如`importdata`、`csvread`等，方便地读取和解析水文监测站点的数据。
然后，可以使用Matlab中的统计函数，如`mean`、`std`等，对数据进行基本统计分析。
此外，Matlab还提供了绘图函数，如`plot`、`scatter`等，可以快速地绘制水文数据的时间序列图、散点图等，便于我们直观地观察数据的变化趋势和特征。
水资源评估水资源评估是水资源管理中的重要环节，能够帮助我们了解水资源的量、质、分布等特征，为合理利用和保护水资源提供依据。
Matlab提供了多种统计模型和分析工具，可以帮助我们进行水资源评估。
例如，我们可以利用Matlab进行水文频率分析，通过拟合概率分布函数估计不同频率的洪水、枯水等水文事件的发生概率。
Matlab中众多的统计分布函数，如正态分布、指数分布等，可以用于拟合水文数据，并计算各个频率的设计洪水位、枯水位等。
此外，Matlab还提供了可靠性分析功能，可以帮助我们评估水资源供需平衡的风险程度，为水资源管理提供科学支撑。
水资源模拟水资源模拟是研究水资源系统行为和变化规律的重要手段，可以帮助我们预测水资源供需情况、制定合理的水资源调度方案等。
Matlab提供了丰富的数值计算和模拟函数，可以帮助我们构建和求解水资源模型。
例如，我们可以利用Matlab的微分方程求解器，如`ode45`、`ode15s`等，模拟水文过程的动态变化。
Matlab技术在水质监测和环境保护中的应用
Matlab技术在水质监测和环境保护中的应用引言水是生命之源，保护水质对人类的生存和健康至关重要。
随着科技的不断发展，Matlab技术在水质监测和环境保护中的应用日益广泛。
本文将探讨Matlab技术在水质监测、水污染预测与控制以及环境污染监测等方面的应用，展示了其在相关领域中的重要作用。
一、水质监测水质监测是确保水质安全和环境保护的重要环节。
Matlab技术在水质监测中发挥了重要作用。
例如，在传感器数据处理方面，Matlab提供了丰富的数据处理和分析函数，可以对采集到的水质监测数据进行处理和分析，从而判断水质的好坏。
此外，Matlab还可以利用图表和图像处理技术，直观地展示水质检测结果，方便决策者更好地理解和利用这些数据。
二、水污染预测与控制水污染问题是当前全球环境面临的一个重大挑战。
Matlab技术可以在水污染预测与控制方面提供强大的支持。
通过建立数学模型和利用数据分析技术，可以预测水污染的趋势和程度，并采取相应的控制措施。
例如，在河流水污染预测方面，可以利用Matlab建立数值模型，模拟水流和污染物扩散过程，预测河流水质变化，从而采取合理的控制策略。
除了模型建立，Matlab还可以实现优化算法，帮助寻找最佳的污染治理方案。
三、环境污染监测环境污染监测是保护环境和人类健康的关键措施。
Matlab技术在环境污染监测中的应用也具有重要意义。
Matlab可以用于处理和分析从监测设备获取的环境数据，例如空气质量数据、水质监测数据等。
通过利用Matlab的信号处理和图像处理等功能，可以从大量监测数据中提取有用的信息，例如异常值检测和分析等。
此外，Matlab还可以实现数据的可视化展示，帮助决策者更好地理解和分析环境污染情况，并采取及时的应对措施。
四、Matlab技术的未来发展随着科技的不断进步，Matlab技术在水质监测和环境保护领域的应用将越来越广泛。
首先，Matlab在人工智能和机器学习领域有着巨大的潜力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab课程设计--河流污染物总量控制规划题目：河流污染物总量控制规划第一章总论一、目的和要求环境系统工程是环境工程专业重要主干课程之一。
通过课程设计，使学生进一步巩固和加深课程理论知识，并能结合具体的环境系统问题，进行系统解决方案的优化。
通过课程设计的综合训练，提高学生利用系统工程方法解决实际问题的能力，特别是：1、环境系统工程设计的基本方法、步骤，技术资料的查找与应用；2、环境系统模型的建立过程与建立方法；3、利用计算机编程节能型环境系统模型参数进行求解、模型的灵敏度分析等；4、环境问题解决方案的优化方法；5、综合运用本课程及其有关课程的理论知识解决工程中的实际问题；6、熟悉、贯彻国家环境保护法规及其它有关政策。
二、设计任务题目：某河流污染物排放总量控制规划根据设计原始资料，设计河流城区段水环境的污染物总量控制及污染物消减方案，并编制规划方案说明书。
三、设计内容、步骤和方法1、通过对该河流的自然特征、水文特征以及水质调查分析的基础上，对该河流的污染状况进行评价，确定该河段的主要污染问题及主要污染因子。
2、根据河流的水文特征，建立适宜的环境水质模型，估算模型中的参数，并对模型进行检验。
在此基础上，建立环境容量模型，计算该河流的环境容量、允许排放量，并合理分配到各个污染源。
3、选定某一支流，按照其允许排放量，合理分配到支流的各个污染源，并根据各个污染源的水质、水量情况，优化设计各个污染源污染物的消减工艺。
第二章原始资料一、河流概况沙河是盐河的直流，干流全长30公里，流域面积206平方公里。
一般流量在，本次规划河段长度为19.75公里，是非潮河段；两岸分布的主要污染源有：伟捷毛娟厂，子扬石油化工厂，五万居民的五龙小区和二万居民的蛤蟆塘小区。
毛绢厂五龙小区石化厂蛤蟆小区老右沟河（水源）新健河炮守营河劈材沟河第一稳定段第二稳定段单位：公里；1.2.3.4.5为五个主要水质监测控制断面第二章污染源现状和水体水质评价1、水质目标按照沙河两岸近期（2015年）环境规划，结合当地技术经济条件，提出不同河段的水质目标组，S9断面水质目标为地表水Ⅲ类，S3断面水质目标为地表水Ⅲ类，S8及S4-3断面水质目标为地表水Ⅳ类，S7及S6断面水质目标为Ⅴ类。
规划情况下水温取10℃。
2、水质现状资料根据沙河河床和排污口的排污情况以及各支流输入的位置，选定了六个主要监测断面和四个辅助监测断面。
自2009年8月至2010年4月（包括丰、平、枯水期和冰封期），对各监测断面进行了8次连续48小时的水文水质同步监测，共采集分析了二千多个样品，主要监测结果为表1 。
表1 沙河实测水质资料月份断面流速m/s流量m³/s水温℃BOD5mg/lDOmg/l分类8S9 0.43 0.473 20 1.29 7.8 Ⅰ类S8 0.291 0.622 22.85 5.9 7.33 Ⅳ类S7 0.291 1.695 22.85 3.87 7.43 Ⅲ类S6 0.175 2.07 22.32 3.165 7.06 Ⅲ类S4—3 0.175 3.119 22.32 2.86 8.9 Ⅰ类S3 0.175 4.17 22.32 1.632 8.27 Ⅰ类10S8 0.161 0.377 14.28 26.51 7.53 Ⅴ类S7 0.161 0.686 14.28 15.24 9.59 Ⅴ类S6 0.132 0.644 13.87 6.04 9.47 Ⅳ类S4—3 0.32 1.359 13.87 2.76 10.2 Ⅰ类11S8 0.152 0.195 5.76 35.53 10.35 Ⅴ类S7 0.152 0.706 5.76 22.55 12.06 Ⅴ类S6 0.167 0.684 3.68 8.515 11.95 Ⅴ类S4—3 0.167 1.044 3.68 5.45 12.56 Ⅳ类12S8 0.134 0.106 0.3 53.08 7.55 Ⅴ类S7 0.134 0.354 0.3 32.79 9.88 Ⅴ类S6 0.1 0.454 0.1 21.24 11.03 Ⅴ类S4—3 0.1 0.708 0.1 12.28 14.04 Ⅴ类1S8 0.116 0.096 2.38 68.71 7.57 Ⅴ类S7 0.116 0.27 2.38 44.47 7.59 Ⅴ类S6 0.167 0.37 0.167 15.91 9.32 Ⅴ类S4—3 0.167 0.492 0.167 6.73 10 Ⅴ类2S8 0.085 0.075 4 79.87 6.19 Ⅴ类S7 0.085 0.141 4 47.64 6.5 Ⅴ类S6 0.067 0.161 0.1 28.8 8.86 Ⅴ类S4—3 0.067 0.368 0.1 13.28 8.78 Ⅴ类3 S8 0.1 0.148 7.54 46.2 7.27 Ⅴ类S7 0.1 0.317 7.54 22.52 9.05 Ⅴ类S6 0.129 0.417 6.715 8.78 9.66 Ⅴ类S4—3 0.129 0.636 6.715 5.02 12.27 Ⅳ类由表中数据可知，在各监测断面上DO均达到水质目标，且均达到Ⅱ类水质标准，而部分监测断面BOD5未达到水质目标，求BOD5的污染指数：式中，---第i中污染物的单项污染指数；---第i种污染物的实测浓度，mg/L；---第i种污染物的评价标准，mg/L。
水质评价代码及图像如下：bodi8=[5.9 26.51 35.53 53.08 68.71 79.87 46.2];bodpi8=bodi8/6;bodi7=[3.87 15.24 22.55 32.79 44.47 47.64 22.52];bodpi7=bodi7/10;bodi6=[3.165 6.04 8.515 21.24 15.91 28.8 8.78];bodpi6=bodi6/10;bodi4=[2.86 2.76 5.45 12.28 6.73 13.28 5.02];bodpi4=bodi4/6;A=[bodpi8;bodpi7;bodpi6;bodpi4]X = [1 2 3 4 5 6 7];plot(X,A)A =0.9833 4.4183 5.9217 8.8467 11.4517 13.3117 7.70000.3870 1.5240 2.2550 3.2790 4.4470 4.7640 2.25200.3165 0.6040 0.8515 2.1240 1.5910 2.8800 0.87800.4767 0.4600 0.9083 2.0467 1.1217 2.2133 0.8367注：编号1~7依次代表8、10、11、12、1、2、3月份。
表2 沙河各月份各断面BOD5污染指数（mg/l）月份8 10 11 12 1 2 3 断面污染指数S9S3S8 4.42 5.92 8.85 11.45 13.31 7.7 S7 1.52 2.26 3.28 4.45 4.76 2．25 S6 2.12 1.59 2.88S4-3 2.05 1.12 2.21备注：空白处为BOD5达标由表2可知，监测断面S9、S3各月均达到Ⅲ类水质要求目标，且均可达到Ⅰ类水质；而监测断面S4-3、S6在12、1、2月水质未达标，S4-3断面在1月达到Ⅴ类水，12、2月均未达到Ⅴ类水，而S6断面12、1、2均未达到Ⅴ类水；最后监测断面S8、S7绝大多数月份不达标，且S8断面污染较为严重，距离要求的Ⅴ类水差距较大。
所以该河段的BOD5排放情况较为糟糕。
第三章参数估计1、推求纵向离散系数Ed为了推求该河段的纵向离散系数E d ，选择某一均匀河段，通过投放非降解的诺丹明示踪剂试验。
试验情况如下：示踪剂瞬间从岸边投人河中，在下游分别距投放断面2300m 和4000m 的测站测得示踪剂流过时的浓度过程线C-t ，如表3所示，其时间t 的起算点以第一测站为准。
两测站间河道的平均水深H=0.9m ，平均水面宽B=20.0m ，平均摩阻流速u*=0.12m ／s 。
第一测站第二测站t/min C/mg/L t/min C/mg/L t/min C/mg/L t/min C/mg/L 0 0 33 0.29 37 0 92 0.18 3 0.23 36 0.23 42 0.08 97 0.12 6 0.58 39 0.18 47 0.24 102 0.08 9 0.83 42 0.14 52 0.44 107 0.06 12 0.96 45 0.12 57 0.60 112 0.03 15 0.96 48 0.09 62 0.65 117 0.02 18 0.87 51 0.06 67 0.61 122 0.02 21 0.76 54 0.04 72 0.53 127 0.02 24 0.63 57 0.03 77 0.43 132 0.01 27 0.51 60 0.02 82 0.33 137 0.01 30 0.3963 0 87 0.24 142 0由一维水质迁移转化基本方程式解得下游X 处的示踪剂浓度变化过程为:⎥⎦⎤⎢⎣⎡--=Edt ut x M t x C 4)(ex p Edt 4),(π首先验证下游测站是否在一维纵向分散段内，即示踪剂是否在测站断面上混合均匀。
横向扩散系数 Ey =0.6Hu*=0.6×0.9×0.12=0.0648㎡/s 两测站间河段距离 △x=x1-x2=4000-2300=1700 m 示踪剂峰值在河段间的传播时间 △t=62-13=49 min 河段平均流速u=tx∆∆= 1700/49=34.7 m/min=0.58 m/s 则从投放示踪剂断面到断面完全混合的河段长度为L=EyuB 24.0=0648.02058.04.02⨯⨯=1432 m该距离远小于投入示踪剂断面到第一测站的距离2300m ，因此可以判定两测站均处于一维纵向分散河段，满足下面计算纵向离散系数的要求。
于是，示踪剂流过第一、第二测站的浓度过程线的平均时间和方差为:∑∑===Ni iNi iiiCtC t11计算代码如下：t1=[0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63];C1 = [0 0.23 0.58 0.83 0.96 0.96 0.87 0.76 0.63 0.51 0.39 0.29 0.23 0.18 0.14 0.12 0.09 0.06 0.04 0.03 0.02 0.0]; S1 = t1*C1';E = [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]; SS1 = C1*E';t1_average = S1/SS1;t2=[37 42 47 52 57 62 67 72 77 82 87 92 97 102 107 112 117 122 127 132 137 142]; C2 = [0 0.08 0.24 0.44 0.60 0.65 0.61 0.53 0.43 0.33 0.24 0.18 0.12 0.08 0.06 0.03 0.020.02 0.02 0.01 0.01 0.0];S2 = t2*C2';SS2 = C2*E';t2_average = S2/SS2;% 第一站方差B1 = (t1 - t1_average).^2;BB1 = C1*B1';Q1 = BB1/SS1;% 第二站方差B2 = (t2-t2_average).^2;BB2 = C2*B2';Q2 = BB2/SS2;% 离散系数Ed = (0.58*86.4)^2*(Q2-Q1)/(2*(t2_average-t1_a verage)*24*60);B =[t1_average t2_average Q1 Q2 Ed]B =19.9962 69.8404 127.2083 267.8362 2.4601∑∑===Ni iNi iiiCtC t11min 996.1992.737.1581==tmin 840.697.425.3282==t211212min 208.12792.749.1007)(1==-=∑∑==N i iNi ii C C t ttσ211222min 836.2677.483.1258)(2==-=∑∑==N i iNi ii CC t ttσ=2、计算降解系数K1和复氧系数K2为求降解系数与复氧系数，已经得到稳态情况下河流实测水质资料如表4，流速为20km/d ，水温为5.8℃。