项目名称: 再生水人工环境储存的水质变化评价和预测模式研究

项目编号: No.51178018

项目类型: 面上项目

立项/批准年度: 2012

项目学科: 建筑环境与结构工程学科

项目作者: 邹志红

作者单位: 北京航空航天大学

项目金额: 62万元

中文摘要: 本项目将围绕再生水人工环境储存和利用的水质变化及其环境效应,以典型人工水体为研究对象,深入分析环境要素对水质变化的影响规律,采用仿真方法并综合考虑多参数及多目标的关联机制,在构建分类和关键指标仿真数据库的基础上,研究建立多参数水质分类仿真预测及评价模型;分析确定影响再生水人工储存水质的关键化学因子,建立评价和预测关键化学因子变化及环境影响的数学模型;与此同时,选择藻类作为代表性生物学指标,研究藻类变化的水质及环境影响,建立不同情景下藻类污染及环境要素影响的预测模型;综合上述3类模型,尝试构建以水质管理为目标的仿真系统,初步形成再生水人工储存的评价、预测及模型管理系统,为再生水的水质管理与综合利用提供评价方法和科学依据。

中文关键词: 再生水;水质评价;水质预测;水环境容量模拟;

英文摘要:

英文关键词: reused water;water quality evaluation;water quality prediction;water environment capacity simulation;

成为VIP会员查看完整内容
0

相关内容

CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
17+阅读 · 2021年9月21日
专知会员服务
44+阅读 · 2021年5月24日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
46+阅读 · 2020年10月26日
【经典书】Python金融大数据分析,566页pdf
专知会员服务
122+阅读 · 2020年8月1日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
机器学习之确定最佳聚类数目的10种方法
炼数成金订阅号
13+阅读 · 2017年10月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
29+阅读 · 2022年3月28日
Arxiv
57+阅读 · 2021年5月3日
Arxiv
24+阅读 · 2021年1月25日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
13+阅读 · 2019年1月26日
小贴士
相关主题
相关VIP内容
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
17+阅读 · 2021年9月21日
专知会员服务
44+阅读 · 2021年5月24日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
46+阅读 · 2020年10月26日
【经典书】Python金融大数据分析,566页pdf
专知会员服务
122+阅读 · 2020年8月1日
相关资讯
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
机器学习之确定最佳聚类数目的10种方法
炼数成金订阅号
13+阅读 · 2017年10月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月17日
Arxiv
29+阅读 · 2022年3月28日
Arxiv
57+阅读 · 2021年5月3日
Arxiv
24+阅读 · 2021年1月25日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
13+阅读 · 2019年1月26日
微信扫码咨询专知VIP会员