基于數(shù)據(jù)挖掘的香溪河庫(kù)灣水華預(yù)測(cè)研究.pdf

1、三峽水庫(kù)建成后，庫(kù)區(qū)水生態(tài)環(huán)境顯著變化，各支流回水區(qū)常年出現(xiàn)水體富營(yíng)養(yǎng)化及水華現(xiàn)象，氮磷等營(yíng)養(yǎng)鹽含量充足，給藻類暴發(fā)性增長(zhǎng)創(chuàng)造了有利條件。通過(guò)對(duì)葉綠素α濃度的預(yù)測(cè)，能直觀地反映水質(zhì)變化情勢(shì)。本文分別運(yùn)用小波神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)預(yù)測(cè)香溪河葉綠素a濃度值，并通過(guò)葉綠素a濃度的預(yù)測(cè)值對(duì)香溪河進(jìn)行短期水華預(yù)測(cè)和預(yù)警。主要研究工作及成果如下：
　?。?）收集、整理了三峽大學(xué)香溪河水生態(tài)與環(huán)境野外觀測(cè)站2008～2012年香溪河水環(huán)境

2、監(jiān)測(cè)數(shù)據(jù)資料，分析得出，在觀測(cè)期內(nèi)，香溪河水體大部分時(shí)間都有適宜藻類生長(zhǎng)的水環(huán)境，且香溪河X(jué)X06號(hào)樣點(diǎn)年年都有多次水華發(fā)生。
　?。?）以2008年～2012年香溪河X(jué)X06號(hào)樣點(diǎn)水環(huán)境監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)，建立基于遺傳算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)水華預(yù)測(cè)模型，采用一周前的透明度、表層光強(qiáng)、真光層深度、總氮、總磷、溶解性硅酸鹽、表層水溫、pH、溶解氧、電導(dǎo)率以及葉綠素a濃度這11個(gè)指標(biāo)作為模型的輸入因子，用來(lái)預(yù)測(cè)下一周的水華狀況（葉綠素α濃

3、度）。模型預(yù)測(cè)結(jié)果表明，GA-WNN模型能大致預(yù)測(cè)出葉綠素α濃度的變化趨勢(shì)，模型平均相對(duì)誤差為25.78％，相關(guān)系數(shù)為0.629，預(yù)測(cè)效果一般。
　?。?）基于相同數(shù)據(jù)，建立了粒子群算法優(yōu)化的最小二乘支持向量機(jī)水華預(yù)測(cè)模型，模型預(yù)測(cè)效果較好，相關(guān)系數(shù)為R=0.955。當(dāng)葉綠素a濃度高于32.59 mg/m3，即葉綠素a濃度值高于水華發(fā)生的閥值水體發(fā)生水華時(shí)，相對(duì)誤差僅為9.43%，說(shuō)明當(dāng)香溪河庫(kù)灣發(fā)生水華時(shí)，該模型能用于水華（葉綠

4、素α濃度）短期預(yù)測(cè)。
　　（4）從預(yù)測(cè)相對(duì)誤差、相關(guān)系數(shù)、模型耗等多方面對(duì)兩種模型進(jìn)行對(duì)比， PSO-LSSVM模型均優(yōu)于GA-WNN模型。綜合來(lái)看，PSO-LSSVM模型預(yù)測(cè)精度更高，能用于香溪河庫(kù)灣水華（葉綠素α濃度）短期預(yù)測(cè)的短期預(yù)測(cè)。
　?。?）根據(jù)鄭丙輝等人提出的三峽水庫(kù)水體富營(yíng)養(yǎng)化評(píng)價(jià)標(biāo)準(zhǔn)，提出香溪河富營(yíng)養(yǎng)化及水華預(yù)警方案，并利用葉綠素α濃度預(yù)測(cè)值進(jìn)行了預(yù)警，15次預(yù)測(cè)有12次成功預(yù)測(cè)出了香溪河水華是否發(fā)生情況，