基于神經網絡的水庫藻類預警模型研究.pdf

1、隨著工業(yè)飛速發(fā)展，水體富營養(yǎng)化日漸嚴重，并已成為世界水環(huán)境重大的水質問題之一。當富營養(yǎng)水體作為供水水源時會產生一些不利因素，比如使水廠的混凝效果不理想、產水率下降、產生對人體有害的毒素等。水華的發(fā)生是水體富營養(yǎng)化的重要標志。因此，預測水華發(fā)生且及時發(fā)出警告使水處理部門能夠采取相應措施尤為重要。
　　本文對華南地區(qū)S水庫進行了水質藻類風險預警研究。針對水庫藻類水華產生的特點，通過對近一年水庫氣象、水質數據的整理與分析，建立了基于BP

2、神經網絡的S水庫藻類水華短期預測模型。對水庫水質的預測分為四個級別：不滿足（水華發(fā)生）條件、初步滿足（水華發(fā)生）條件、滿足（水華發(fā)生）條件、臨界或發(fā)生。預警模型為預防或處理水華發(fā)生贏得了寶貴的時間，減少了水廠應對藻類暴發(fā)風險的壓力，為安全供水提供了保障。
　　水庫藻類四個預警級別的劃分根據《全國重點湖庫藻類試點監(jiān)測技術規(guī)程》的相關規(guī)定。根據規(guī)程藻類的細胞密度（個/L）大于1000萬個即為水華發(fā)生，藻類細胞密度小于100萬個時認為不

3、具備發(fā)生條件。根據水庫現有監(jiān)測條件和手段，網絡模型選取水庫水溫、PH值、葉綠素總濃度、總磷、總氮、溶解氧六種水質指標作為神經網絡預警模型的輸入量。分別采用BP神經網絡、廣義回歸網絡、徑向基函數網絡對S水庫藻類建立預警模型并進行分析。BP神經網絡預警模型包括6個輸入神經元、1層隱含層、2個隱含層神經元為，1個輸出層神經元。借助MATLAB軟件的GUI工具箱功能可以節(jié)省尋找最佳算法的時間和簡化嘗試最優(yōu)網絡結構的步驟。預警模型訓練數據是水庫2