论文部分内容阅读
三峡水库蓄水后,库区水文条件发生明显改变,各支流回水区出现大面积水体富营养化现象,其显著特征是藻类暴发性增长引起水体叶绿素a浓度增加,因此,通过对叶绿素a浓度的模拟预测可以直观地反映出水体富营养化的变化态势。本文在分析香溪河库湾富营养化主要影响因子的基础上,分别采用人工神经网络和支持向量机方法建立模型对富营养化状况作了短期预测和预警。主要研究工作及成果如下:(1)收集、整理了依托三峡大学香溪河水生态与环境野外观测站获取的库湾2008～2010年水环境数据,分析了香溪河定点监测处水环境相关因子的时间序列变化,对三峡水库香溪河库湾的富营养化状况进行了探讨。(2)依次运用主成分分析、指标聚类分析和灰色关联分析,从香溪河野外定点监测的18个水环境参数中,筛选出了与表征富营养化程度的叶绿素a浓度这一因子关联度大的Zeu/Zmix、TP、WT、TN/TP、D-Si和SD等6类影响富营养化的参数因子。(3)以2008～2010年香溪河库湾水环境监测数据为基础,建立了香溪河富营养化GA-BP预测模型,用前一周的Zeu/Zmix、TP、WT、TN/TP、D-Si、SD和叶绿素a浓度等7个参数因子预测后一周的富营养化状况(叶绿素a浓度),模型检验结果表明,模型能大致反映叶绿素a浓度的变化趋势,但不能对其量值做出较准确的预测,预测效果不太令人满意。(4)基于同样的数据建立了香溪河富营养化GA-SVM预测模型,预测模型较好地预测了叶绿素a浓度的变化趋势,预测值与实测值呈较强的线性相关关系,直线斜率为0.86,相关系数为R=0.97974。当香溪河发生富营养化时(叶绿素a浓度大于10mg/m3),模型预测的相对误差较小,模型预测的最小相对误差为6.49%,最大相对误差为27.94%,平均相对误差为14.75%;当香溪河未发生富营养化时(叶绿素a浓度小于10mg/m3),尽管模型预测的相对误差较大,但预测结果仍然能反映香溪河未发生富营养化的事实。(5)从拟合和预测方面对两种预测方法做了对比,GA-SVM模型的拟合能力和预测能力均优于GA-BP模型,同时,GA-SVM模型具有更好的稳健性。GA-SVM模型的预测效果较好,能够用于香溪河水体叶绿素a浓度的短期预测。(6)在郑丙辉等人所提出的三峡水库水体富营养化评价标准的基础上,提出了香溪河富营养化预警等级划分的方案,并采用叶绿素a浓度的预测值进行了预警,在10次预警中,8次预警结果真实准确,仅有2次预警结果的等级低于实际情况,预警效果良好。