【摘 要】
：
以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测
【机 构】
：
宁波大学应用海洋生物技术教育部重点实验室
【基金项目】
：
国家自然科学基金资助项目（30771658）, 浙江省自然科学基金资助项目（Z505319）, 宁波市科技计划项目（2008C50017）
论文部分内容阅读
以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示：①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。
其他文献
采煤带来的地面塌陷是极为重要的新生环境地质问题。以淮南潘北矿塌陷湿地为研究区域,其总氮（TN）含量平均水平为1.04g/kg,总磷（TP）含量平均水平为425mg/kg,在空间分布上均有从非
比较了几种现场应用较多的水质COD在线监测分析与实验室分析方法在原理、方法等方面的主要差异,针对比对过程中存在的实际问题,提出了在样品采集、仪器原理选择、仪器定期校正等方面做好水质COD在线监测比对实验工作的建议。
以都江堰城区周边农耕地为对象,按照国标方法对土壤样本中的Cr、Cu、Cd、Pb、Zn五种重金属元素含量进行测定。结果表明,部分样本中的Cd、Cu含量超过国家土壤环境质量二级标准