-
题名基于COD的水资源生态环境监测模型研究
- 1
-
-
作者
戴丽媛
张诚
田晓丹
杨丽雅
赵世雯
沈长松
-
机构
皖江工学院水利工程学院
马鞍山市水工程健康诊断与修复技术研究中心
马鞍山市景观生态修复研究重点实验室
昆山市水事综合管理中心高新区管理站
河海大学水利水电学院
-
出处
《安全与环境学报》
北大核心
2025年第4期1603-1608,共6页
-
基金
安徽省教育厅2023年高校科学研究重点项目(2023AH052490)
马鞍山市水工程健康诊断与修复技术研究中心2023年度开放基金项目(2023msgc002)
+2 种基金
马鞍山市丘陵地区水资源高效利用工程技术研究中心2023年度开放基金项目(WREU202302)
马鞍山市景观生态修复研究重点实验室2024年度开放基金项目(YGYS24001)
安徽省教育厅2024年中青年教师培养行动计划项目(JNFX2024098)。
-
文摘
水资源是人类生活和工业生产的重要基础,水质监测对保障水环境安全和促进水资源可持续利用至关重要。为了解决传统水资源监测数据受限于单一数据来源、更新和处理周期长、准确率不高等问题,研究提出了一种基于多源数据融合下的水资源生态环境监测模型。首先,采用紫外光谱和荧光光谱两种光谱源实时监测水资源生态环境,采用光谱法对水中的化学需氧量进行检测,结合光谱数据预处理减少噪声等因素的影响;其次,结合朗伯-比尔定律和高级数据融合方法整合不同光谱源的数据信息;最后,引入最小二乘支持向量机建立水资源生态环境监测模型并进行分析。结果显示,研究模型基本拟合在真实荧光强度附近,且对紫外波长有较高的拟合程度;对4种不同的水质进行测量,研究模型检测的最高准确率为91.2%,最低准确率为88.9%。结果表明,研究模型能够较为准确地对水资源进行检测,并为水资源管理提供可靠的数据。
-
关键词
环境工程学
水资源
化学需氧量
最小二乘支持向量机
高级数据融合
-
Keywords
environmental engineering
water resources
chemical oxygen demand
least squares support vector machine
advanced data fusion
-
分类号
X703.1
[环境科学与工程—环境工程]
-
-
题名基于注意力感知图像分割的大坝缺陷智能识别
- 2
-
-
作者
戴丽媛
田晓丹
杨丽雅
沈长松
-
机构
皖江工学院水利工程学院
马鞍山市水工程健康诊断与修复技术研究中心
河海大学水利水电学院
-
出处
《水电能源科学》
北大核心
2025年第5期153-155,共3页
-
基金
安徽省教育厅2023年高校科学研究重点项目(2023AH052490)
马鞍山市水工程健康诊断与修复技术研究中心2023年度开放基金项目(2023msgc002)
马鞍山市丘陵地区水资源高效利用工程技术研究中心2023年度开放基金项目(WREU202302)。
-
文摘
大坝经年累月供水、防洪,极易出现裂缝、渗漏等问题,为此提出一种基于注意力感知图像分割的大坝缺陷识别方法,以某拱坝为例,首先构建一个优化的AlexNet网络模型,将通道图像(RGB图)和深度图像(Depth图)作为网络输入;然后在下采样结构前设置自适应滤波器并嵌入注意力感知模块;最后以跨模态特征融合获得RGB与Depth信息流相互补充的缺陷特征分割结果。测试结果显示,该方法分割大坝裂缝缺陷的效果最佳,未误分无效区域、未遗漏裂缝区域;同时PR曲线更靠近右上角且面积最大,可较好权衡精确度与召回率之间的关系,能更精准地分割出大坝缺陷目标信息。
-
关键词
注意力
感知
图像增强
自适应滤波
大坝缺陷
识别
-
Keywords
attention
perception
image enhancement
adaptive filtering
dam defects
recognition
-
分类号
TV698.1
[水利工程—水利水电工程]
-
