湖庫藻類濃度預(yù)測技術(shù)研究及應(yīng)用.pdf

1、近年來，國內(nèi)外水體富營養(yǎng)化導(dǎo)致的藻類水華事件頻頻發(fā)生。在淡水水體中，尤其是湖泊水庫中藻類水華的發(fā)生嚴(yán)重影響了人類飲用水安全并對生態(tài)環(huán)境造成了嚴(yán)重破壞。及早進(jìn)行湖庫水源地藻類水華監(jiān)測預(yù)警并提前應(yīng)對，對于確保人民群眾飲用水安全和水體污染控制與治理有重要意義。
　　 本文的研究工作主要是針對某示范地水庫，建立有效的藻類濃度預(yù)測模型。本文通過研究國內(nèi)外湖泊水庫的藻類水華預(yù)測技術(shù)進(jìn)展，結(jié)合對應(yīng)用對象的藻類生長研究，提出了基于競爭的多重神經(jīng)

2、網(wǎng)絡(luò)藻類濃度預(yù)測模型，主要內(nèi)容及創(chuàng)新點(diǎn)如下:
　　 (1)針對東莞市某水庫，研究該水庫中藻類生長變化規(guī)律，以及其生長受到的環(huán)境因素的影響。并與現(xiàn)有研究中藻類生長規(guī)律做對比，研究該示范地的藻類生長影響因素。
　　 (2)引入獨(dú)立成分分析算法，將該算法用于研究影響藻類生長的潛在影響因子。對計(jì)算得到的獨(dú)立成分與藻類濃度進(jìn)行相關(guān)性分析，結(jié)果表明獨(dú)立成分因子比環(huán)境因子與藻類濃度的相關(guān)系數(shù)更大。因此經(jīng)過獨(dú)立成分分析優(yōu)化時(shí)序BP神經(jīng)網(wǎng)

3、絡(luò)預(yù)測模型的輸入節(jié)點(diǎn)因子，降低了輸入維數(shù)，優(yōu)化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
　　 (3)通過研究藻類濃度與藻類種群中優(yōu)勢藻結(jié)構(gòu)變化之間的關(guān)系，分析藻類優(yōu)勢藻生長變化規(guī)律。文中引入優(yōu)勢度作為藻類種群結(jié)構(gòu)的評價(jià)因子，將該因子與獨(dú)立成分分析的獨(dú)立因子一同作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)因子，進(jìn)一步優(yōu)化預(yù)測模型。
　　 (4)針對分析得到的該水庫中藻類生長變化規(guī)律，提出基于競爭的多重神經(jīng)網(wǎng)絡(luò)藻類濃度預(yù)測模型。藻類在不同的季節(jié)其藻種結(jié)構(gòu)、藻類濃度變化有

4、不同的特性與變化規(guī)律，將藻類生長按階段性劃分對藻類濃度預(yù)測精度有重要的意義。因此采用前文研究確定的優(yōu)化的預(yù)測模型結(jié)構(gòu)，分別使用春季、夏季、秋季、冬季四個(gè)季節(jié)的樣本數(shù)據(jù)對模型進(jìn)行訓(xùn)練得到四種訓(xùn)練模型，然后使用雙層神經(jīng)網(wǎng)絡(luò)對這四個(gè)模型進(jìn)行競爭選取，選取與當(dāng)前生長狀況最相適應(yīng)的模式匹配模型進(jìn)行藻類濃度預(yù)測，最終得到基于競爭的多重神經(jīng)網(wǎng)絡(luò)藻類濃度預(yù)測模型。該方法對于湖泊水庫的藻類濃度預(yù)測具有一定的借鑒意義，針對藻類生長的復(fù)雜性導(dǎo)致的無論采用機(jī)理