水质污染问题已经成为我国环保领域的重要课题,它直接影响到人类的生存与发展。水质监测与评价为水环境水资源管理和污染控制的主要手段之一,是进行水质治理和水资源开发利用的前期工作,为水资源的保护和综合应用提供原则性的方案和依据。 本文在导师徐立中教授的国家自然科学基会项目(编号:60374033)的支撑下,基于多源传感器地面监测数据,高分辨率、多光谱遥感卫星图像数据,以Matlab为平台,应用人工神经网络理论与方法,建立水质评价模型,实现对水体的水质从点(监测点)、线(监测断面)到面(水域水质分布)的一个评价过程。 论文主要内容有:回顾了国内外水质评价的基本方法及其在水质评价应用中存在的不足和改进;认真研究了神经网络基本理论及应用于水质评价的几种典型的网络模型;设计并构建了BP网络模型,以地面观测资料为对象,分析长江口水质状况,并与单因子评价方法和基于D-S理论的方法进行比较,BP人工神经网络模型的容错性和自学习、自组织等功能,使评价结果具有可靠、客观和广泛的适用性等优点;利用空中监测和地面监测信息的关联性,构建水质反演模型,通过从遥感图像提取的平均灰度值反演ph值、溶解氧、高锰酸钾指数、生化需氧量等指标值,实现利用遥感图像数据对地面监测数据的补充,以获取更多的水质信息;综合前面研究成果,提出了基于数理统计与仿真研究的广义回归神经网络模型,研究了太湖水质指标溶解氧浓度、水质级别空间分布状况,实验结果表明,应用广义回归神经网络模型研究水质空间分布状况获得了很好的效果。论文最后给出了进一步工作的主要工作内容和研究技术手段。