湖庫(kù)藻類濃度預(yù)測(cè)技術(shù)研究及應(yīng)用.pdf

1、近年來，國(guó)內(nèi)外水體富營(yíng)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(kù)中藻類水華的發(fā)生嚴(yán)重影響了人類飲用水安全并對(duì)生態(tài)環(huán)境造成了嚴(yán)重破壞。及早進(jìn)行湖庫(kù)水源地藻類水華監(jiān)測(cè)預(yù)警并提前應(yīng)對(duì)，對(duì)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(duì)某示范地水庫(kù)，建立有效的藻類濃度預(yù)測(cè)模型。本文通過研究國(guó)內(nèi)外湖泊水庫(kù)的藻類水華預(yù)測(cè)技術(shù)進(jìn)展，結(jié)合對(duì)應(yīng)用對(duì)象的藻類生長(zhǎng)研究，提出了基于競(jìng)爭(zhēng)的多重神經(jīng)

2、網(wǎng)絡(luò)藻類濃度預(yù)測(cè)模型，主要內(nèi)容及創(chuàng)新點(diǎn)如下:
　　 (1)針對(duì)東莞市某水庫(kù)，研究該水庫(kù)中藻類生長(zhǎng)變化規(guī)律，以及其生長(zhǎng)受到的環(huán)境因素的影響。并與現(xiàn)有研究中藻類生長(zhǎng)規(guī)律做對(duì)比，研究該示范地的藻類生長(zhǎng)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(zhǎng)的潛在影響因子。對(duì)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(cè)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(shì)藻結(jié)構(gòu)變化之間的關(guān)系，分析藻類優(yōu)勢(shì)藻生長(zhǎng)變化規(guī)律。文中引入優(yōu)勢(shì)度作為藻類種群結(jié)構(gòu)的評(píng)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(cè)模型。
　　 (4)針對(duì)分析得到的該水庫(kù)中藻類生長(zhǎng)變化規(guī)律，提出基于競(jìng)爭(zhēng)的多重神經(jīng)網(wǎng)絡(luò)藻類濃度預(yù)測(cè)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(zhǎng)按階段性劃分對(duì)藻類濃度預(yù)測(cè)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(cè)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(duì)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(duì)這四個(gè)模型進(jìn)行競(jìng)爭(zhēng)選取，選取與當(dāng)前生長(zhǎng)狀況最相適應(yīng)的模式匹配模型進(jìn)行藻類濃度預(yù)測(cè)，最終得到基于競(jìng)爭(zhēng)的多重神經(jīng)網(wǎng)絡(luò)藻類濃度預(yù)測(cè)模型。該方法對(duì)于湖泊水庫(kù)的藻類濃度預(yù)測(cè)具有一定的借鑒意義，針對(duì)藻類生長(zhǎng)的復(fù)雜性導(dǎo)致的無論采用機(jī)理