《表1 洞庭湖各湖泊BP神经网络平均指数Tab.1 Average indexes of BP neural network of Dongting Lake》

《表1 洞庭湖各湖泊BP神经网络平均指数Tab.1 Average indexes of BP neural network of Dongting Lake》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《三峡工程对洞庭湖水环境质量的影响》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

从洞庭湖各典型年BP神经网络指数（表1）可知，三峡水库蓄水运行对洞庭湖水质有一定程度的影响，蓄水后其指数从1998年的2.835 9直接跳跃到2004年的3.528 2，且不断上升，2010年（丰水年）指数比2006（枯水年）和2004（平水年）还高，这表明水质污染程度在加剧。另外，从各湖泊水质的空间分布看，东洞庭湖BP神经网络平均指数明显高于西、南洞庭湖，表明其水质总体相对较差，但从各典型年来看，三峡工程蓄水对于洞庭湖各湖体影响较大的是南洞庭湖，其指数大，说明水质出现明显恶化。

图表编号XD008886800    严禁用于非法目的
绘制时间2018.06.01
作者帅红、李辉艳、李赛、李荣荣
绘制单位湖南师范大学资源与环境科学学院、湖南师范大学资源与环境科学学院、湖南师范大学资源与环境科学学院、湖南师范大学资源与环境科学学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表1 1 PCA-BP神经网络对围岩类别识别结果11 Grade of surrounding rock by PCA-BP neural》2020.03.20
  2. 《表4 BP神经网络预测精度Tab.4 Prediction accuracy of BP neural network》2019.02.10
  3. 《表3 BP神经网络模型误差参数Tab.3 Error parameters of BP neural network model》2019.02.15
  4. 《表2 BP神经网络诊断模型与X线钼靶和B超诊断结果的比较%Tab.2 Comparison between diagnostic models of BP neural network with mammography and ultras》2019.01.05
  5. 《表1 深度学习BP神经网络诊断结果n Tab.1 Diagnostic results of deep learning in BP neural network n》2019.01.05
  6. 《表1 BP神经网络分类正确率Tab.1 The Classification Accuracy Rate of BP Neural Network》2019.04.08
  7. 《表2 BP神经网络识别结果Tab.2 The Identification Results of BP Neural Network》2019.04.08
  8. 《表3 08:00起报不同风级下BP、EC和TJ-WRF预报平均绝对误差Tab.3 BP neural network model, EC modeland TJ-WRF model prediction average absolute e》2019.02.28
  9. 《表2 BP神经网络测试输出Tab.2 BP neural network testing output》2019.01.25
  10. 《表2 BP神经网络预测结果Tab.2 BP neural network prediction results》2018.05.30
  11. 《表1 BP神经网络参数设置Tab.1 BP neural network parameter setting》2018.05.30
  12. 《表5 BP神经网络参数Tab.5 BP neural network parameters》2018.11.21
  13. 《表2 PLS-BP神经网络建模结果Table 2 Results of PLS-BP neural network model》2018.07.15
  14. 《Table 1 Summary of results of TCM constitution identification model based on BP neural network model》2018.06.01
  15. 《表2 10个测试样本的BP神经网络与GA-BP预测误差对比Tab.2 Comparison between BP neural network and GA-BP prediction error of 10 test samples》2018.02.20
  16. 《表3 BP神经网络与GA-BP算法评价指标比较Tab.3 Comparison of evaluation indexes between BP neural network and GA-BP algorithm》2018.02.20
  17. 《表4 乌拉斯台站径流小波BP神经网络预测结果Table 4 Runoff predictions for Wulasitai Station by wavelet BP neural network》2018.08.01
  18. 《表3 BP神经网络与经验公式预测结果对比Table 3 The comparison of the results about the BP neural network and Empirical formula prediction》2018.06.01
  19. 《表2 BP神经网络的预测样本及预测结果Table 2 The test samples and the prediction results of BP neural network》2018.06.01
  20. 《表1 团簇Sc3BP各优化构型的平均键级Tab.1 Average bond order in optimized configurations of cluster Sc3BP》2018.04.01

随机翻阅

《表6 土壤全钾丰缺分级表》 《表4 45°弯管穿越模型应力计算表》 《表3 输出地址分配：陶瓷绝缘子自动加工系统及其仿真》 《表2 LNS患儿HPRT1基因Sanger测序结果》 《表1 两组患者生活质量评分对比(分)》 《表2 清喉咽合剂相似度结果》 《表3 场景2的气压计算结果》 《表1 3 第二轮专家咨询后确定的最终情景清单》 《表7 初始pH值对菌株S3-1产β-胡萝卜素的影响》 《表2 本文主要变量定义》