| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-12页 |
| 1.3 污染态势研判研究现状 | 第12-15页 |
| 1.4 污染源快速定位研究现状 | 第15-16页 |
| 1.5 研究内容与技术路线 | 第16-19页 |
| 第2章 研究对象和研究方法介绍 | 第19-26页 |
| 2.1 研究对象 | 第19-20页 |
| 2.2 水质模型 | 第20-23页 |
| 2.2.1 WASP水质模型 | 第20-22页 |
| 2.2.2 EFDC水质模型 | 第22-23页 |
| 2.3 人工智能算法 | 第23-26页 |
| 2.3.1 遗传算法(GA) | 第23-24页 |
| 2.3.2 模拟退火法(SA) | 第24页 |
| 2.3.3 GA-SA耦合算法 | 第24-26页 |
| 第3章 基于水质模型的阿什河突发污染态势研判 | 第26-43页 |
| 3.1 引言 | 第26页 |
| 3.2 基于WASP水质模型的阿什河一维水质模拟 | 第26-34页 |
| 3.2.1 河流概化 | 第26-27页 |
| 3.2.2 参数设置 | 第27-30页 |
| 3.2.3 模型验证 | 第30-32页 |
| 3.2.4 重金属铅模拟预测 | 第32-34页 |
| 3.3 基于EFDC水质模型的阿什河二维水质模拟 | 第34-42页 |
| 3.3.1 河流网格划分 | 第34-36页 |
| 3.3.2 EFDC水动力模拟 | 第36-40页 |
| 3.3.3 染色剂示踪模拟 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于人工智能算法的河流突发污染源项识别研究 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 污染物在河流中的扩散模型 | 第43页 |
| 4.3 算法控制方程 | 第43-44页 |
| 4.4 模型仿真算例 | 第44-48页 |
| 4.4.1 算例介绍及模拟 | 第44-45页 |
| 4.4.2 人工智能算法参数的选择 | 第45页 |
| 4.4.3 算例结果及分析 | 第45-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 阿什河突发环境事件预警应急决策支持平台设计 | 第50-59页 |
| 5.1 平台简介 | 第50-51页 |
| 5.2 平台建设目标 | 第51-52页 |
| 5.3 环境应急信息管理系统 | 第52-55页 |
| 5.3.1 河段信息管理系统 | 第52页 |
| 5.3.2 风险源查询和应急资源管理系统 | 第52-53页 |
| 5.3.3 应急预案和应急案例查询系统 | 第53页 |
| 5.3.4 应急专家库管理和应急技术库管理系统 | 第53-54页 |
| 5.3.5 实时监测数据系统 | 第54页 |
| 5.3.6 接警信息管理系统 | 第54-55页 |
| 5.4 应急指挥调度和辅助决策系统 | 第55-58页 |
| 5.4.1 应急组织机构 | 第56页 |
| 5.4.2 污染态势研判 | 第56页 |
| 5.4.3 污染源快速定位 | 第56-57页 |
| 5.4.4 联动指挥 | 第57页 |
| 5.4.5 信息发布 | 第57-58页 |
| 5.5 突发事故处置评估系统 | 第58页 |
| 5.5.1 突发事故报告生成 | 第58页 |
| 5.5.2 环境影响评估 | 第58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-71页 |
| 附录1 遗传算法程序 | 第65-67页 |
| 附录2 模拟退火法程序 | 第67-69页 |
| 附录3 遗传算法耦合模拟退火法程序 | 第69-71页 |
| 攻读学位期间发表的学术论文及其他成果 | 第71-73页 |
| 致谢 | 第73页 |