智能流域管理研究

前言第1章 緒論 1．1 流域管理的科學問題與決策需求 1．1．1 研究背景 1．1．2 科學問題 1．1．3 決策需求 1．1．4 研究目的 1．2 流域模擬與決策模型研究進展 1．2．1 流域模擬模型研究進展 1．2．2 流域決策模型研究進展 1．3 智能流域管理 1．3．1 概念緣由 1．3．2 概念界定 1．3．3 關鍵問題 1．3．4 模型框架 1．3．5 討論：1wM的生命周期大腦篇——因果關系之機理表達第2章 智能流域管理的因果關聯(lián)及輸入-輸出響應 2．1 智能流域管理決策的因果關聯(lián)與響應模擬 2．1．1 因果關聯(lián)的概念及必要性 2．1．2 因果關聯(lián)網(wǎng)絡構建與響應模擬 2．2 案例研究：云南程海外流域調水工程的水質一水生態(tài)響應 2．2．1 研究背景 2．2．2 程海富營養(yǎng)化機制的神經(jīng)網(wǎng)絡模擬及響應情景分析 2．2．3 程海水位調控的水質-水生態(tài)響應預測 2．3 本章小結第3章 流域層面的因果關聯(lián)定量表達——流域污染物輸移模擬 3．1 流域層面的因果關聯(lián)界定 3．1．1 流域水循環(huán)及關聯(lián)因素 3．1．2 流域碳循環(huán)及關聯(lián)因素 3．1．3 流域營養(yǎng)物質輸移及關聯(lián)因素 3．2 流域污染物輸移過程與模擬 3．2．1 流域污染物輸移過程 3．2．2 流域污染物輸移模擬 3．3 流域污染物輸移常用模型 3．3．1 模型概覽 3．3．2 HSPF模型 3．3．3 LSPC模型 3．3．4 SWlAT模型 3．4 案例：美國Mlaumelle湖流域非點源模擬研究 3．4．1 流域背景 3．4．2 HSPF’流域模型- 3．4．3 HSPF模型模擬結果與分析 3．5 本章小結第4章 水體層面的因果關聯(lián)定量表達——水質一水生態(tài)響應模擬 4．1 水體層面的因果關聯(lián)界定與響應過程 4．1．1 水動力-水質過程 4．1．2 水質-水生態(tài)響應過程 4．1．3 水體層面的因果關聯(lián)網(wǎng)絡構建 4．2 水動力-水質-水生態(tài)響應模擬 4．2．1 模擬模型概述 4．2．2 常用模型：EFDC 4．2．3 常用模型：CE-QUAI-W2模型 4．2．4 常用模型：WASP 4．3 案例(Ⅰ)：淺水湖泊生態(tài)系統(tǒng)對人類干擾脆弱性的數(shù)值模擬研究 4．3．1 湖泊生態(tài)系統(tǒng)的干擾脆弱性 4．3．2 異龍湖水質-水生態(tài)模擬模型構建 4．3．3 模擬結果與情景分析 4．3．4 主要結論 4．4 案例(Ⅱ)：基于三維水質-水動力模型的滇池富營養(yǎng)化控制TMDL研究 4．4．1 滇池富營養(yǎng)化控制與模型需求 4．4．2 滇池三維水質一水動力模型開發(fā) 4．4．3 模型校驗和結果討論‘ 4．4．4 TMDL情景分析 4．4．5 主要結論 4．5 本章小結第5章 模型參數(shù)估值及不確定性分析 5．1 模型參數(shù)估值及不確定性分析方法 5．1．1 參數(shù)估值方法 5．1．2 不確定性分析方法 5．2 案例(Ⅰ)：基于交替適應度遺傳算法的穩(wěn)健性水質模型方法 5．2．1 研究背景 5．2．2 穩(wěn)健性水質模型方法 5．2．3 數(shù)值案例 5．3 案例(Ⅱ)：自適應神經(jīng)網(wǎng)絡內嵌遺傳算法及應用 5．3．1 方法介紹 5．3．2 復雜富營養(yǎng)化模型逆向參數(shù)估值案例 5．4 案例(Ⅲ)：基于簡單機理模型與貝葉斯推斷算法的美國Chesapeake灣低氧分析 5．4．1 研究背景 5．4．2 模型方法 5．4．3 參數(shù)估值 5．4．4 結果 5．4．5 討論：流域負荷削減決策 5．5 本章小結第6章 流域-水體因果關系的集成——流域污染物輸移的水質-水生態(tài)響 6．1 流域-水體因果關系集成的界定 6．2 流域污染物輸移的水質一水生態(tài)響應模擬 6．3 案例：美國加利福尼亞州明湖流域集成因果關聯(lián)網(wǎng)絡研究 6．3．1 研究背景 6．3．2 流域描述 6．3．3 數(shù)據(jù)清單 6．3．4 模型選擇與方法 6．3．5 結果與討論 6．4 本章小結智慧篇——優(yōu)化之決策第7章 流域管理的智慧型決策框架 7．1 智慧型決策的界定 7．2 流域智慧型決策模型框架 7．2．1 流域決策的優(yōu)化模型需求 7．2．2 流域決策的不確定性 7．3 本章小結第8章 流域智慧型決策之線性規(guī)劃模型 8．1 流域決策的不確定性規(guī)劃模型 8．1．1 概述 8．1．2 隨機規(guī)劃和模糊規(guī)劃 8．1．3 區(qū)間規(guī)劃模型 8．1．4 模型對比分析 8．2 傳統(tǒng)區(qū)間數(shù)線性規(guī)劃模型 8．2．1 模型方程與求解方法 8．2．2 傳統(tǒng)ILP模型的決策有效性探討 8．3 風險顯性區(qū)間線性規(guī)劃模型 8．3．1 模型推導與求解 8．3．2 REIIP模型數(shù)值案例與討論 8．3．3 案例：基于REILP模型的流域污染負荷削減決策 8．4 本章小結第9章 流域智慧型決策之模擬-優(yōu)化模型 9．1 流域智慧型決策與模擬-優(yōu)化方法 9．2 常用的模擬-優(yōu)化模型算法 9．3 模擬-優(yōu)化的非線性區(qū)間映射重構算法 9．3．1 非線性區(qū)間映射重構 9．3．2 REILP模型和IMS過程 9．3．3 基于模擬一優(yōu)化模型的NIMS過程 9．4 案例：流域污染負荷削減的模擬-優(yōu)化模型 9．4．1 案例背景 9．4．2 模型方程 9．4．3 遺傳算法構建 9．4．4 NIMS過程公式化 9．4．5 結果與討論 9．5 本章小結第10章 流域智慧型決策之適應性最優(yōu)演化模型 10．1 流域智慧型決策的“時”與“勢” 10．2 流域決策的適應性管理模式 10．3 流域決策的適應性演化模型框架 10．3．1 模型框架思路 10．3．2 決策實施優(yōu)選方法 10．3．3 流域適應性決策方法 10．4 基于風險的流域污染負荷削減最優(yōu)適應性決策 10．4．1 模型方程 10．4．2 模型結果 10．4．3 決策討論 10．5 本章小結感官篇——流域信息的獲取、集成與反饋第11章 流域調查與數(shù)據(jù)信息 11．1 信息獲取：起點還是終點 11．2 信息需求：目標導向與因果關聯(lián) 11．3 信息獲?。夯就緩? 11．3．1 基于IWM的數(shù)據(jù)需求識別 11．3．2 流域調查與監(jiān)測方案制訂 11．3．3 模型與數(shù)據(jù)的互動 11．4 本章小結第12章 流域信息集成與數(shù)據(jù)庫開發(fā) 12．1 流域信息集成 12．1．1 智能流域管理的信息系統(tǒng) 12．1．2 信息篩選與整理 12．2 流域數(shù)據(jù)庫設計 12．2．1 設計思路 12．2．2 數(shù)據(jù)庫設計 12．3 流域數(shù)據(jù)庫開發(fā) 12．3．1 數(shù)據(jù)庫開發(fā)與信息存儲 12．3．2 信息集成與決策準備 12．4 本章小結參考文獻附錄