项目名称: 基于复合模型的河流沉积物重金属污染源解析及不确定性研究

项目编号: No.41303069

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 陈海洋

作者单位: 北京师范大学

项目金额: 25万元

中文摘要: 面对河流重金属污染的严峻形势,开展污染源解析研究,准确识别重金属的自然和人为来源及其贡献程度,是当前流域重金属污染防控领域具有挑战的热点问题之一。受体模型是一类较为通用的源解析技术,然而,鉴于河流环境系统的开放性,以及重金属化学行为的复杂性,单一受体模型应用于河流重金属源解析的适应性、可靠性及不确定性值得深入研究。本研究拟从环境科学、地球化学、水力学、概率统计学以及人工智能的交叉视角,在辨识河流沉积物重金属污染的源排放特征及迁移转化的基础上,开展基于"非负约束因子分析-化学质量平衡/支持向量机"复合模型的河流沉积物重金属污染源解析研究,系统阐明复合模型源解析的逻辑机理,深入揭示影响复合模型解析不确定性的关键因素,并以鄱阳湖流域乐安河沉积物重金属源解析为例进行研究验证。项目成果将为河流重金属污染控制、生态修复、总量减排、污染事故调查提供科技支撑,也能为乐安河重金属污染防控提供科学依据。

中文关键词: 重金属;源解析;受体模型;不确定性;乐安河

英文摘要: Due to their environmental persistence and biogeochemical recycling and ecological risks, heavy metal pollution become a major problem related to aquatic environmental safe. Thus, according to the contamination features of heavy metals, using quantitative methods to accurately identify natural and anthropogenic sources and apportion their contributions is one of the challenging and hot issues in the fields of pollution prevention and control of heavy metals in the aquatic environment. Receptor model is a general approach for source apportionment. However, due to the openness of water environment system, as well as the complexitiess of the chemical behavior of heavy metals, the adaptabilities, accuracies and uncertainties of receptor model for source apportionment of heavy metals in aquatic environment are worthy of to further study. In the cross-view point of environmental science, geochemistry, hydrogeology, statistics probability and artificial intelligence, the present research will identify the emission and transport mechanism of heavy metals in river sediments, and establish a methodological framework based on factor analysis with nonnegative constraint and chemical mass balance combined support vector machines for source apportionment of heavy metals. The critical problems of this study will concentrated o

英文关键词: Heavy metal;Source apportionment;Receptor model;Uncertainty;Le’An River

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
25+阅读 · 2021年4月2日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
微软办公环境大揭秘!
微软招聘
0+阅读 · 2021年12月24日
深度学习中的“不确定性基线”
TensorFlow
5+阅读 · 2021年12月7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
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
多因素问题分析时,如何确立各因素权重?
人人都是产品经理
74+阅读 · 2020年3月4日
基于RASA的task-orient对话系统解析(一)
AINLP
16+阅读 · 2019年8月27日
我国智能网联汽车车路协同发展路线政策及示范环境研究
国家自然科学基金
0+阅读 · 2015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 · 2013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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
10+阅读 · 2021年11月10日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
25+阅读 · 2021年4月2日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
相关资讯
微软办公环境大揭秘!
微软招聘
0+阅读 · 2021年12月24日
深度学习中的“不确定性基线”
TensorFlow
5+阅读 · 2021年12月7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
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
多因素问题分析时,如何确立各因素权重?
人人都是产品经理
74+阅读 · 2020年3月4日
基于RASA的task-orient对话系统解析(一)
AINLP
16+阅读 · 2019年8月27日
我国智能网联汽车车路协同发展路线政策及示范环境研究
相关基金
国家自然科学基金
0+阅读 · 2015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 · 2013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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员