庫(kù)區(qū)藻類水華短期預(yù)測(cè)研究.pdf

1、藻類水華是目前全世界共同面臨的重大環(huán)境問(wèn)題之一，不僅破壞水體生態(tài)環(huán)境，危害人類健康，而且威脅水資源的可持續(xù)利用和開發(fā)，給社會(huì)造成巨大的經(jīng)濟(jì)損失。對(duì)水華的發(fā)生進(jìn)行準(zhǔn)確預(yù)測(cè)可使有關(guān)部門提早采取應(yīng)對(duì)措施，降低損失，因此，水華預(yù)測(cè)意義重要。
　　 藻類水華的發(fā)生是物理、化學(xué)和生物因素的共同作用，具有復(fù)雜性、非線性、時(shí)變性等特點(diǎn)，因此難以實(shí)現(xiàn)準(zhǔn)確預(yù)測(cè)，而提高精確度的關(guān)鍵是建立合理的預(yù)測(cè)模型。時(shí)序神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型結(jié)合了時(shí)間序列和神經(jīng)網(wǎng)絡(luò)各自

2、的優(yōu)點(diǎn)，能夠?qū)崿F(xiàn)輸入、輸出間復(fù)雜的非線性映射關(guān)系，可作為藻類水華預(yù)測(cè)的有效方法。本文以客觀條件差別顯著的東莞松山湖水庫(kù)(深、淺層)及于橋水庫(kù)水體為研究對(duì)象，對(duì)其藻類水華預(yù)測(cè)進(jìn)行探討，主要研究?jī)?nèi)容與成果如下：
　　 (1)提出了一種時(shí)間序列RBF/BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。
　　 (2)分析了松山湖水庫(kù)水質(zhì)數(shù)據(jù)的時(shí)空分布規(guī)律，建立了多元線性回歸預(yù)測(cè)模型及輸入步長(zhǎng)不同、水質(zhì)數(shù)據(jù)采樣周期不同的時(shí)序RBF/BP網(wǎng)絡(luò)藻類水華單、多變量

3、預(yù)測(cè)模型。結(jié)果表明，智能模型的預(yù)測(cè)效果較好，且其預(yù)測(cè)精度受水質(zhì)數(shù)據(jù)采樣周期影響，采樣周期相對(duì)較短時(shí)所建模型的預(yù)測(cè)效果較好。采樣周期較短時(shí)，時(shí)序RBF網(wǎng)絡(luò)多變量預(yù)測(cè)模型的容錯(cuò)、抗噪能力較強(qiáng)，但時(shí)序RBF/BP網(wǎng)絡(luò)多變量模型的預(yù)測(cè)效果沒有明顯好于單變量模型，運(yùn)用曲線估計(jì)、平均影響值方法分析藻類總數(shù)與水質(zhì)因子的相關(guān)性，驗(yàn)證了單變量預(yù)測(cè)模型的可行性。
　　 (3)針對(duì)于橋水庫(kù)，建立了時(shí)序RBF網(wǎng)絡(luò)多變量預(yù)測(cè)模型，預(yù)測(cè)效果較好，擴(kuò)展了該模