东张水库蓝藻水华BP人工神经网络模型演算研究

本文以福建省福清市东张水库为例,采集2016—2017年间包含水华期间在内的共295组的水质(水温、pH、电导率、浊度、溶解氧)和气象(气温、风速)数据,以80%的数据进行模型演算,20%的数据进行模型验证,以叶绿素a浓度作为输出参数,应用BP人工神经网络模型进行演算。通过输入不同的参数组合,将结果与实际测定的叶绿素a值比较,挑选出最优的参数组合。结果表明,当以水温、溶解氧、电导率和气温作为组合变量输入时,输出的结果最优,输出数据的预测值与实测值拟合度R2为0. 83,均方根误差(RMSE)为0. 08μg/L,均方根-实测值标准偏差比(RSR)为0. 43,且模型稳定性较好。表明该参数组合作为输入参数建立的BP人工神经网络预警模型,有望未来用于预测东张水库富营养化的发生。     

基于BP人工神经网络的大沽河湿地海水水质综合评价

水体环境包含多个影响因素,因素间大多具有非线性相关性,为了能够客观地对大沽河湿地海水水质进行综合评价,以神经网络为基础,利用溶解氧、化学需氧量、无机氮、活性磷酸盐、石油类5个指标作为评价因子,建立了5×5×1 拓扑结构的BP人工神经网络模型,通过该模型对大沽河湿地水质进行综合评价。同时采用单因子评价方法、内梅罗指数法对该海域环境状况进行评价,以期更好的对比评价BP人工神经网络模型的优缺点。BP人工神经网络模型评价结果显示,大沽河河道内站点的水质均为劣Ⅳ类水质,入海河流断面及其周边海域也达到了Ⅲ类及以上水质标准。调查海域无机氮含量超标严重,劣Ⅳ类及以上站位的数量占总调查站位的59.3%,富营养化状态明显。通过单因子评价法、内梅罗指数法、BP人工神经网络3种评价方法对大沽河湿地水质进行评价,发现Ⅲ类及以上水质站位占总调查站位比例分别为89%、96%、56%。与单因子评价法、内梅罗指数法相比,BP人工神经网络模型设计合理、评价结果科学可靠,是一种更加快捷、客观全面及实用的水体质量评价方法。     

基于Landsat卫星影像的草海水质遥感反演及营养状态评价

通过遥感手段对草海2000年、2005年、2010年及2015年的水质指标进行反演,并进行营养状态评价,获取草海水质数据,为草海湿地保护及污染治理提供依据。利用实测水质数据与遥感影像的关系建立反演模型,反演草海2000-2015年水质指标,包括Chl-a、TN、TP、COD_(Mn)、SD,并用综合营养状态指数(TLI)对草海水质情况进行评价。研究结果表明:(1)通过波段组合与实测数据建立水质参数反演模型能高效、大面积获得草海水质分布情况,草海整体水质2000-2005年为中营养、2010-2015年为轻度富营养,TLI表现为先升高后降低;(2)草海水质季节变化明显,4个季节的综合营养状态指数为春季夏季冬季秋季,主要原因是草海春、夏季节农耕及旅游活动等人为活动较频繁;(3)空间上看,草海入水口及湖周围综合营养指数比湖中心及出水口高,其原因是入水口靠近城市,城市污水排入湖中,湖四周存在大量农业污染源。     

灰色拓扑模型在海州湾人工鱼礁区水质预测的应用

该研究分别采用残差修正的GM(1,1)模型和灰色拓扑预测方法对2007—2017年春(5月)、秋(10月)海州湾人工鱼礁区的溶解氧(DO)、化学需氧量(COD)、生化需氧量(BOD5)及溶解无机氮(DIN)4个指标的监测数据建立水质预测模型并选择精度较高的模型预测2018—2022年的水质变化趋势,最终利用2018年的调查数据对预测结果进行检验。结果表明,灰色拓扑模型相较于残差修正的GM(1,1)模型针对水质数据具有更好的预测精度,预测结果与2018年的调查结果较吻合,可信度较高;预测结果显示,DO和COD在2018—2022年能够保持良好的水质状态,可见人工鱼礁建设对海域水环境状况具有一定的修复作用,但BOD5和DIN存在一定的超标风险;针对灰色拓扑模型的改进仍具有很大的研究空间,有待进一步挖掘。     

三十六脚湖叶绿素a浓度人工神经网络模型演算研究

本文分析了平潭三十六脚湖2016年1月至2017年5月气象和水质历史数据,以环境因子作为输入参数,叶绿素a浓度作为输出参数,构建了BP人工神经网络模型。从历史样本数据中随机抽取80%的数据进行模型演算,剩下20%的数据作为测试数据进行检验。结果表明:以气温、电导率、水温3个指标为输入因子时,模型输出的叶绿素a浓度和监测数据的拟合度达到R~2=0.97,RMSE=0.05μg/L、RSR=0.17,误差较小。2019年3月13日至4月26日对三十六脚湖进行5次采样,将实测的叶绿素a浓度值与模型演算值进行对比分析,发现其标准偏差比RSR为0.24,实测值与演算值的偏离程度较小,精度达到期望值。该模型有望用于平潭三十六脚湖湖区叶绿素a浓度预测和水华预警,为水体富营养化防控提供参考。     

基于BP神经网络模型的福建海域赤潮预报方法研究

赤潮往往给渔业生产和人类的生命安全造成极大的危害,但由于赤潮的成因十分复杂,对其进行预报非常困难。本研究收集了福建海区2000年至2016年发生的219个赤潮案例有效数据,应用BP神经网络人工智能模型建立了其与气温、降水、风速、气压和日照5个气象因子的非线性关系,并将这些赤潮案例数据与相应的气象指标按闽东、闽中和闽南3个海区,分别输入模型进行学习、训练与预测。结果显示:1)闽东海区53个训练样本45个预测正确,正确率达84.91%,3个模拟预测样本全部正确;2)闽中海区69个训练样本58个预测正确,正确率达84.06%,4个模拟预测样本全部正确;3)闽南海区85个训练样本的运算预测结果63个正确,正确率74.12%,5个模拟预测样本全部正确,达到预期的结果。研究表明,以气象因子为自变量采用BP神经网络模型对赤潮的发生进行预测是可行的,该方法可为赤潮的预测提供新的途径。     

4种机器学习模型反演太湖叶绿素a浓度的比较

基于太湖实测叶绿素a浓度数据以及同步HJ-1B卫星CCD多光谱影像,综合比较4种机器学习模型(随机森林,RF;支持向量回归,SVR;反向传播人工神经网络,BPANN;深度学习,DL)反演太湖叶绿素a浓度的精度、稳定性及鲁棒性。利用11种波段组合分别建立基于RF、SVR、BPANN和DL的反演模型,筛选出最佳波段组合模型用于验证和评价。结果表明,模型精度方面,DL(决定系数R2=0.91,均方根误差RMSE=3.458μg/L,相对预测偏差RPD=3.13)和SVR(R2=0.88,RMSE=3.727μg/L,RPD=2.90)具有较优的验证精度;模型稳定性方面,DL模型不易受模型校正样本数影响,稳定性较好,而RF模型稳定性较差;模型鲁棒性方面,DL模型不易受噪声影响,鲁棒性较好,其次是SVR、BPANN和RF模型。综合4种模型的验证精度、稳定性和鲁棒性,DL模型在太湖叶绿素a浓度的反演具有较大应用潜力,能为研究湖泊水色参数提供借鉴。     

BP人工神经网络模型在珠江口水质评价中的应用

根据海水水质标准GB30971997,应用VB编程语言在各类海水水质指标浓度区间内生成足够多的随机分布样本,以此作为海水水质评价BP人工神经网络模型的训练、检验和测试样本,利用训练后的海水水质评价BP人工神经网络模型对珠江口2002～2003年水质状况做出评价。结果表明,训练后的海水水质评价BP人工神经网络模型具有较好的泛化能力,能够准确评价未知海水样本的水质类别;2002～2003年珠江口的水环境总体状况较差,绝大部分区域属于II～IV类海水,在其分布上,珠江口西部海域水质状况好于东部海域,这是由于珠江口东部沿岸城市东莞和深圳较大的排污量和繁忙的海上运输所引起。     

栉孔扇贝夏季大规模死亡的神经网络预测模型

根据2002年和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据,运用人工神经网络(artificial neurd network,ANN)的原理和误差反相传播(back propagefion,BP)网络的方法,利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型.预测模型经过300次的学习训练,误差平方和由67.46下降至0.009 1.该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5%.首次将人工神经网络与水产动物病害死亡的预测相结合,建立的预测模型具有对数据适应能力强,可适时学习,预测结果准确等突出优点,为水产养殖动物病害死亡程度的预测提供了一个新的研究方法.     

基于粒子群优化BP神经网络的水产养殖水温及pH预测模型

针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。     

基于Landsat卫星影像的草海水质遥感反演及综合营养状态评价

为更高效、大范围的获取草海水质状况，分析草海水体营养状态，本文利用实测水质数据与遥感影像的关系建立反演模型，反演草海2000-2015年水质指标，包括Chl-a、TN、TP、CODMn、SD，并用综合营养状态指数法（TLI）对草海水质情况进行评价。结果表明：（1）通过波段组合与实测数据建立水质参数反演模型能高效、大面积的获得草海水质分布情况，评价得知草海从2000 - 2005年、2010 - 2015年，整体水质均为中营养、轻度富营养状态，TLI表现为先升高，后降低；（2）草海水质季节变化明显，四个季节的综合营养状态指数为春季>夏季>冬季>秋季，主要原因是草海春、夏季节农耕及旅游活动等较频繁；（3）空间上看，草海入水口及湖周围综合营养指数比湖中心及出水口高，其原因是因为入水口靠近城市，城市污水排入湖中，湖四周农业污染源大量存在所致。     

滇池氮磷浓度变化对蓝、绿、硅藻年际变化的影响

为了探究滇池水体中藻类变化规律及营养盐对浮游藻类结构的影响,在滇池草海和外海共设10个采样点,于2013年5月至2015年4月,每月监测藻类变化及氮、磷含量。结果表明,草海在每年9月至来年2月,蓝藻、绿藻呈互为消长的变化趋势,硅藻生物量在8-10月和2-4月含量较高,变化范围5.81~44.80 mg/L;外海以蓝藻、绿藻为主,两种藻类在每年的11月至来年1月呈互为消长,而来年2种藻5-7月逐渐升高、10月开始又逐渐降低。草海和外海水体中的总磷均以在5-9月含量最高,变化范围分别为0.82~3.37 mg/L和0.20~0.51 mg/L;总氮全年变化剧烈,草海总氮为2.85~11.7 mg/L,外海总氮为1.05~4.89 mg/L。总体上看,草海的氮、磷含量高于外海,说明草海富营养化水平高于外海;而水体中绿藻生物量高于蓝藻成为绝对优势藻种,且绿藻生物量远远高于外海,表明高氮、磷水体中绿藻比蓝藻有更强的利用优势,致使在超富营养化水体中蓝藻不占优势。滇池水体中氮磷比较低的月份,水体中蓝藻和绿藻共存;在高氮磷比的时间段,绿藻生长占优势,说明滇池水体中绿藻比蓝藻更适合高氮磷比的环境。     

环境条件变化下滇池冬春季节浮游植物的演替特征

富营养化和气候变暖是影响浮游藻类结构组成以及物候学等特征的两大重要环境条件。为探讨在人为干预和全球变化影响下富营养化湖泊滇池浮游植物的演替特征,2017-2019年2个冬春季在滇池选择北(D1)、中(D2)、南(D3)3个采样点对浮游植物群落进行监测。研究结果表明,滇池浮游植物在冬春季呈现与以往不同的演替特征。第一、滇池在冬春季仍以蓝藻占优势,但优势种组成发生了变化。蓝藻中占主要生物量的是微囊藻,而且,惠氏微囊藻(Microcystis wesenbergii)取代铜绿微囊藻(Microcystis aeruginosa)占绝对优势。近20年来(2001-2019年),滇池冬春季微囊藻优势种经历了从铜绿微囊藻到绿色微囊藻(Microcystis viridis)再到惠氏微囊藻的转变。在水温较低的2-3月份,蓝藻生物量比例下降,绿藻和硅藻生物量比例上升,在此时期,香农威纳指数也相对升高。第二,束丝藻(Aphanizomenon)和鱼腥藻(Anabaena)的物候特征发生了改变。曾经春季的优势水华藻种束丝藻提前在秋季出现,且2018年秋季峰值较2017年约提前2周。2018年春季鱼腥藻在滇池北部发生了小型的水华,取代了往年发生束丝藻水华的现象,2019年春季鱼腥藻没有出现较高的生物量,但仍在春季达到峰值,其峰值约提前1周出现。本研究结果为揭示在全球变化和人为干预影响下湖泊冬春季节浮游植物群落演替特征及响应策略提供了基础数据支撑。     

贵州草海重污染区生态修复水质效果评估

对比分析贵州草海重污染湖区沉水植物生态修复区与对照区沉积物内源磷释放通量,探讨外源负荷得到有效控制后草海重污染区沉水植物生态修复效果,为草海综合污染治理与生态恢复提供一定的数据支撑和科学依据。2018年在草海修复区内和对照区各布设3个采样点, 10月至次年10月每个月分别对修复区和对照区水质开展连续跟踪监测。利用薄膜梯度扩散技术（DGT）对比分析了修复区和对照区内源磷释放通量,综合评估了草海重污染区生态修复效果。结果表明,沉水植物修复工程实施一年后,修复区水体氨氮（NH3-N）、总磷（TP）和溶解活性磷（SRP）浓度分别降低为对照区的65%、42%和67%。修复区沉水植物生长茂盛,水体DO含量稳定在8 mg/L以上,透明度显著提高,水质明显改善,CODMn 、NH3-N、TP浓度分别降低至5.7、0.39 、0.05 mg/L,达到地表水Ⅲ类标准。生态修复工程对内源磷释放量削减30% 以上,修复区内源磷贡献率38%,远低于对照区（74%）。当草海流域外源污染得到有效控制后,沉水植物生态系统恢复成为重污染区内源污染控制与水环境修复有效的手段。     

基于PSR模型的云贵高原湿地生态系统健康评价

威宁草海湿地生态系统健康对我国云贵高原生态安全格局建设具有重要意义。为了保护高原湿地威宁草海的基本生态系统服务功能,促进其生态系统健康发展,通过对威宁草海湿地的生态系统健康进行评价,为湿地生态恢复和环境保护提供决策支持。利用PSR(Pressure-State-Response)模型框架,从压力(P)、状态(S)和响应(R)3个方面建立评价指标体系,采用熵权法和模糊数学法建立评价模型,把草海湿地生态系统健康分为"很健康、健康、较健康、不健康、疾病"5个等级。结果表明,威宁草海湿地生态系统健康属于"不健康"等级,隶属度值为0.2934、0.3415、0.2061、0.1077、0.0513;其中,压力要素为"疾病"等级,隶属度值为0.4323、0.2862、0.1768、0.0241、0.0806;状态和响应要素均为"不健康"等级,状态要素隶属度值为0.2202、0.3174、0.2361、0.1128、0.1135,响应要素隶属度值为0.1534、0.4273、0.2307、0.0866、0.1020。压力要素的影响因素主要包括人口过多、环保压力大、化肥施用强度大、农药施用多;状态要素的影响因素主要包括湿地流域保水能力差、水量稳定性低、植被覆盖率不高、水土流失严重、土地生产力下降;响应要素的影响因素主要包括地保护意识不强、环保投入少、污水处理率低、物质生活指数不高。在草海生态系统建设过程中,应控制人口增长、减少农药和化肥施用量、提高植被覆盖率、治理水土流失。     

滇池水环境退化与区域内物种多样性的丧失

本文论述了滇池草海的物种多样性指数由20世纪50年代的2.70(ShannonˉW iener Index)降到90年代的0.29;滇池外海在20世纪50年代末,湖水面积90%以上为海菜花群落、马来眼子菜群落等,70年代仅占20%弱,20世纪90年代末的水生植物覆盖率不及3%;分析了藻类的种群优势度向着蓝藻种群优势度不断增加的方向发展,浮游动物的多样性增加,大型底栖无脊椎动物物种结构趋向单一化,鱼类多样性指数由1957年的1.81降为1997年的0.11,滇池的物种多样性指数由20世纪60年代的1.08降到90年代的0.67,认为滇池水环境退化与物种多样性丧失呈双向恶化效应,物种多样性重建是滇池生态恢复的重要指标。     

滇池主要入湖河流水化学特征及其环境意义

为了给滇池流域水污染治理及水环境修复提供理论依据,选取滇池4条主要入湖河流(盘龙江、宝象河、柴河、捞渔河)为研究对象,同时采集农田排污口5个、城市排污口5个、雨水3个共计13个水样,按照河流流经区的不同土地类型,共布设28个样点,对其水化学特征进行了系统调查,并结合流域土地利用类型,探讨了流域水化学特征对环境的指示意义。结果表明,滇池流域4条主要入湖河流的pH值为6.50～7.77,均值为7.03;电导率(EC)为6.3～85.0 mS/m,均值为33.0 mS/m;总溶解固体(TDS)为40～540 mg/L,均值为210 mg/L,空间上均表现出沿河流自上游向下游递增的趋势;4条主要入湖河水中阳离子以Ca~(2+)为主,占主要阳离子的65%,阴离子则以HCO~-_3为主,占主要阴离子的84%,入湖河流的水化学类型为HCO~-_3-Ca~(2+)型;河道径流主要离子浓度均表现为自上游向下游增加的趋势。Ca~(2+)、Mg~(2+)和HCO~-_3主要指示了研究区地质条件对水环境的作用,K~+、NO~-_3、SO■主要指示了农业活动对水环境的影响,Na~+、Cl~-主要指示城市生活污水排放对水环境的影响。     

望虞河西岸湖荡群浮游植物群落与水环境因子的关系

为了解过水型湖荡群浮游植物群落与水质变化特征,探究望虞河西岸湖荡群浮游植物时空分布及其环境影响因子,基于生物多样性分析、Pearson线性相关性分析、冗余分析(RDA)方法,于2018年9月—2019年7月对望虞河西岸湖荡群(宛山荡、嘉凌荡、鹅真荡、漕湖)的浮游植物和水环境因子进行采样调查分析,结果表明：①四个湖荡水质均处于GB3838—2002《地表水环境质量标准》V类~劣V类水平,超标指标为TN和COD_Cr,春季优于其他季节。 ②湖荡群共鉴定浮游植物8门68属152种(含变种、变形),其中硅藻门、绿藻门、蓝藻门最多;主要优势种包括小球藻(Chlorella vulgaris)、梅尼小环藻(Cyclotella meneghiniana)、颗粒直链藻(Melosira granulata)、铜绿微囊藻(Microcystis aeruginosa)、阿氏浮丝藻(Planktothrix agardhii)等;年均生物量为13.48 mg/L,年均藻细胞密度为15.25×10^₆ cells/L;湖荡群浮游植物多样性指数呈秋高夏低趋势,处于中污染型至重污染型的过渡状态,其中Shannon-Wiener多样性指数多介于2~3之间,Pielou均匀度指数为0.5~0.8,Margalef丰富度指数处于1~2之间。 ③Pearson相关性分析与RDA分析结果表明,影响浮游植物的主要环境因子为WT(水温)、NH_4⁺-N和NO_3^--N。 研究显示,望虞河西岸湖荡群浮游植物空间分布不均、季节特征明显,与太湖相比,优势种相近且多样性指数较好,但湖荡群水质较差,建议持续监测并加强针对性措施。     

神经网络在养殖水质精准预测方面的研究进展

目前神经网络研究文献成果较多，虽然在水质精准预测方面起到了一定的参考，但由于文献缺少科学分类，使用率不高，导致学者难以找到研究切入点。针对这一问题，本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类，主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述，发现混合架构模型的预测性能优于正反馈模型和循环架构模型，有利于提升不同深度水质预测模型的精度。另外，本文对基于神经网络方法的三维水质预测模型进行了初步探讨，发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面，而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。