基于BP神經(jīng)網(wǎng)絡(luò)的藻華暴發(fā)峰值預(yù)警模型研究.pdf

1、藻華是指由于水體環(huán)境的改變，導(dǎo)致水中浮游藻類爆發(fā)性增殖的一種生態(tài)異?，F(xiàn)象。藻華暴發(fā)不僅會(huì)破壞水體的正常生態(tài)系統(tǒng)，還會(huì)產(chǎn)生危害人體健康的藻毒素。本課題致力于探尋藻華暴發(fā)的機(jī)理，確定影響浮游藻類迅速增殖的關(guān)鍵因素，建立合理的預(yù)測模型對藻華暴發(fā)的時(shí)間、范圍、程度進(jìn)行準(zhǔn)確預(yù)測，為飲用水源藻華暴發(fā)峰值的預(yù)警提供技術(shù)支持，減少水體富營養(yǎng)化帶來的損失與危害。
　　 本研究通過相關(guān)分析得到了總氮、總磷、硝態(tài)氮、亞硝態(tài)氮、及微量元素鐵、錳、鋅等不

2、同營養(yǎng)因子和藻生物量之間的相關(guān)關(guān)系，主要表現(xiàn)為氨氮的相關(guān)系數(shù)均大于硝態(tài)氮，在初始氮磷濃度較高的狀態(tài)下，微量元素與藻生物量之間的相關(guān)性更加明顯，營養(yǎng)元素之間的比值與藻生物量之間的相關(guān)性大于營養(yǎng)元素本身與藻生物量之間的相關(guān)性。藻類對鋅濃度的變化非常敏感，微量元素鐵、錳、鋅與常規(guī)營養(yǎng)磷一樣，對藻類生長影響較大。進(jìn)一步確定了總氮、總磷、硝態(tài)氮、亞硝態(tài)氮、及微量元素鐵、錳、鋅等營養(yǎng)因子作為模型的輸入量，通過總結(jié)以往關(guān)于藻華暴發(fā)預(yù)警因子的研究結(jié)論，

3、確定了藻峰值為本課題所建模型的預(yù)測因子。
　　 對所建模型選取不同的隱含層神經(jīng)元個(gè)數(shù)、隱含層傳遞函數(shù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，通過比較網(wǎng)絡(luò)收斂性以及均方誤差大小最終確定最佳模型的神經(jīng)元個(gè)數(shù)以及傳遞函數(shù)，從而得到具有最佳網(wǎng)絡(luò)性能的模型。具有最佳網(wǎng)絡(luò)性能的常規(guī)營養(yǎng)濃度—藻峰值預(yù)測模型，模型收斂迅速，均方誤差在10-7以下;具有最佳網(wǎng)絡(luò)性能的微量營養(yǎng)濃度—藻峰值預(yù)測模型，模型收斂迅速，均方誤差在10-3以下。再對前期試驗(yàn)的實(shí)測值與模型的計(jì)算值進(jìn)行

4、比較，對照前期試驗(yàn)的結(jié)論驗(yàn)證模型的準(zhǔn)確性，最終通過MATLAB人工神經(jīng)網(wǎng)絡(luò)工具箱建立了基于BP人工神經(jīng)網(wǎng)絡(luò)的藻華暴發(fā)峰值預(yù)警模型。
　　 采用BP神經(jīng)網(wǎng)絡(luò)分別建立了預(yù)測精度較高的常量元素—藻峰值預(yù)測模型和微量元素—藻峰值預(yù)測模型，常量元素-藻峰值BP神經(jīng)網(wǎng)絡(luò)模型的隱含層神經(jīng)元個(gè)數(shù)為10，傳遞函數(shù)為tansig，模型精度達(dá)到92.37％;微量元素-藻峰值BP神經(jīng)網(wǎng)絡(luò)模型的隱含層神經(jīng)元個(gè)數(shù)為8，傳遞函數(shù)為tansig，模型精度達(dá)到9