首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于主成分分析的水平潜流湿地磷去除模型
引用本文:张 岩,崔丽娟,李 伟,张曼胤,赵欣胜,王义飞,张亚琼.基于主成分分析的水平潜流湿地磷去除模型[J].农业工程学报,2013,29(13):200-207.
作者姓名:张 岩  崔丽娟  李 伟  张曼胤  赵欣胜  王义飞  张亚琼
作者单位:1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091;1. 中国林业科学研究院湿地研究所,北京,1000912. 湿地生态功能与恢复北京市重点实验室,北京,100091
基金项目:中央级公益性科研院所基本科研业务费专项"潜流湿地磷去除动力学机制研究"(CAFINT2013C13);中国林业科学研究院基本科研业务费项目"兼顾景观功能的小型人工湿地设计研究"(CAFYBB2012010)
摘    要:通过对水平潜流湿地(HSSF―CW)3a运行效果进行研究,分析了HSSF―CW不同处理单元单位面积总磷(TP)去除率对水温的响应变化曲线,利用正弦函数对各处理单元不同时间单位面积TP去除率变化过程进行了拟合,并通过主成分分析(PCA)和冗余分析(RDA)筛选影响磷去除的主要环境因子,进而利用人工神经网络(ANN)对各处理单元出水总磷浓度(TPo)进行了模拟。结果表明:水温较低时(<20℃),单位面积TP去除率对水温变化不敏感,随温度升高(>20℃),单位面积TP去除率升高并出现较大波动,最高达3.27 g/(m2?d);单位面积TP去除率与水温之间存在一定的多项式函数关系(R2=0.1082, p=0),不同处理单元拟合关系存在一定差异(R2=0.318~0.350);不同月份单位面积TP去除率符合正弦变化规律(R2=0.231,p=0),夏季去除率高于秋季,平均单位面积去除率为(0.331±0.132)g/(m2?d),8月份出现最大值(0.397±0.125 g/(m2?d));通过PCA和RDA对不同环境因子与单位面积TP去除率之间的关系进行分析,发现单位面积TP去除率与进水TP质量浓度、水温、流量、溶解氧和蒸散发之间呈一定的正相关性,而与水深之间无显著相关关系;选取影响磷去除效果的主要环境因子进水TP质量浓度、水温、流量、溶解氧、pH值和蒸散发作为输入参数,构建ANN预测模型,通过反向学习算法和交叉验证对模型构型进行了构建和筛选,结果表明输入层、隐含层和输出层中神经元最佳构型分别为6-3-1;利用层次分析法将数据集分为训练集和验证集两部分,通过对比不同处理单元TPo实测值和模拟值,表明模型能够基本反映TPo的变化趋势和范围(R2=0.677~0.800)。该研究可为管理和改善水平潜流湿地运行效果提供参考。

关 键 词:  主成分分析  模型  水平潜流湿地  人工神经网络
收稿时间:5/2/2013 12:00:00 AM
修稿时间:6/4/2013 12:00:00 AM

Modeling phosphorus removal in horizontal subsurface constructed wetland based on principal component analysis
Zhang Yan,Cui Lijuan,Li Wei,Zhang Manyin,Zhao Xinsheng,Wang Yifei and Zhang Yaqiong.Modeling phosphorus removal in horizontal subsurface constructed wetland based on principal component analysis[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(13):200-207.
Authors:Zhang Yan  Cui Lijuan  Li Wei  Zhang Manyin  Zhao Xinsheng  Wang Yifei and Zhang Yaqiong
Institution:1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China;1. Institute of wetland research, Chinese academy of forestry, Beijing 100091, China; 2. The Beijing Key Laboratory of Wetland Ecological Function and Restoration, Beijing 100091, China
Abstract:
Keywords:phosphorus  principal component analysis  models  horizontal subsurface constructed wetland  artificial neural network
点击此处可从《农业工程学报》浏览原始摘要信息
点击此处可从《农业工程学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号