河流中除草剂浓度预测方法研究
1. 引言
河流流域的自然和人为变量，如水文地质参数（渗透率、孔隙率等）、农业化学品使用量或土地种植百分比，会影响河流中农业化学品的浓度和质量传输。在农业领域使用除草剂、杀虫剂和其他化学品，会增加河流中化学物质的浓度，严重影响人类健康和环境。
化学污染物进入河流的传输过程并非简单直接，而是应用化学品和特定流域土地利用模式的复杂函数。负责化学品传输的因素可视为输入，而河流中的化学浓度测量值则为输出，这些输入和输出都可能存在测量误差。
本文利用模糊集的特性，通过为每个输入设置重叠的隶属函数，即使在数据有限的情况下，也能处理输入中的不确定性。采用基于模糊规则和人工神经网络（ANN）等软计算方法来表征河流中除草剂的浓度。同时，使用模糊c - 均值（FCM）算法优化基于模糊规则的模型的隶属函数，以估算河流中的扩散污染浓度。
农业活动中农药、杀虫剂和除草剂的使用会导致扩散污染，通常被称为河流或溪流中的非点源污染。这种污染虽然单个污染源的影响较小，但在流域尺度上会累积成显著的污染源。与点源污染不同，扩散污染的污染源会随污染介质移动，更难解决。其特点包括部分污染物浓度可能随水流增加而非稀释、污染峰值多变且难以预测、影响可能多年后才显现等。
以阿特拉津为例，这是一种广泛使用的除草剂，具有水溶性，可能渗入地下水并流入地表水，对许多生物有毒，准确估算其在水体中的浓度至关重要。因此，本文提出了一种基于FCM优化的模糊规则模型，用于估算河流中阿特拉津的扩散污染浓度。
2. 河流中农业扩散污染浓度模拟
河流流域的自然和人为变量会影响农业化学品在河流中的浓度和质量传输。模拟流域中浓度测量的一般模型
