基于SOFM网络的生态水文区划

被引：8

作者：

王韶伟 ^{[1
,2
]}

许新宜 ^{[1
]}

陈海英 ^{[1
,2
]}

王红瑞 ^{[1
]}

机构：

[1] 北京师范大学水科学研究院水沙科学教育部重点实验室

[2] 环境保护部核与辐射安全中心

来源：

生态学杂志 | 2010年 / 29卷 / 11期

关键词：

生态水文区划; 系统聚类; SOFM网络; 泉州市;

D O I：

10.13292/j.1000-4890.2010.0340

中图分类号：

X171 [生态系统与污染生态学];

学科分类号：

071012 ; 0713 ;

摘要：

生态水文区划对缓解区域水资源开发利用和生态环境保护之间矛盾起到了重要作用。本文基于自组织特征映射(self-organizing feature map,SOFM)人工神经网络建立了生态水文区划模型。首先运用主成分分析法从众多生态水文指标中提取出能代表绝大部分信息的主成分指标;其次依据提取的主成分指标,利用系统聚类得到区域聚类谱系图;而后构建SOFM神经网络,依据网络结果和系统聚类谱系图,划分合理的生态水文区。以福建省泉州市为例进行了生态水文区划研究,将研究区划分为4类区域,各区域具有明显的生态水文特征,针对不同区域特征,提出了常规、加强、较为严格和最为严格4种生态环境保护和水资源开发策略。

引用

页码：2302 / 2308

页数：7

共 23 条

[1] 中国生态水文分区 [J].

杨爱民 ;

唐克旺 ;

王浩 ;

程金花 .

水利学报, 2008, (03) :332-338

[2] 基于自组织特征映射神经网络的土壤分类 [J].

张彦成 ;

段禅伦 .

计算机工程与科学, 2008, (10) :113-115

[3]

Johnson,RA,Wichern,DW. Applied multivariate statistical analysis. 6th edn . 2007

[4]

Advances in ecological model-ing of soil properties by self-organizing feature maps of nat-ural environment of lower Silesia （Poland）. Stankiewicz A,Kosiba P. Acta SocietatisBotanicorum Poloniae . 2009

[5]

Eco-hydrology: Plant and water in terrestrial and aquatic environments. Baird AJ, Wilby RL. Routledge Press . 1999

[6]

Invariant pattern identification by self-organising networks. Lopez-Rubio Ezequied, et al. Pattern Recognition . 2001

[7]

Self-organizing feature map （neural networks）as a tool toselect the best indicator of road traffic pollution （soil,leav-es or bark ofRobinia pseudoacacia）. Samecka-Cymerman A,Stankiewicz A,Kolon K,et al. Environmental Pollu-tion . 2009

[8] 自组织特征映射神经网络方法在水文分区中的应用 [J].