基于GM(1,1)模型对垦区奶牛生产发展的预测

介绍了灰色理论GM(1,1)预测方法,利用黑龙江垦区2002~2005年年末奶牛存栏数建立了垦区奶牛生产发展预测模型。模型精度为很好,用该模型进行预测,能反映出垦区奶牛生产的发展变化情况,并基于预测分析对垦区奶牛发展提出建议和对策。     

基于灰色系统理论的网箱养殖大黄鱼Pseudosciaena crocea (Richardson)疾病预报

为预报网箱养殖大黄鱼细菌性疾病的发生,以舟山市网箱养殖大黄鱼为研究对象,根据2001—2008年间舟山市网箱养殖大黄鱼发病情况的监测数据和各采样点海洋环境因子的测定数据,应用灰色系统理论探索了网箱养殖大黄鱼细菌性疾病的发生发展规律及其与环境因子的关系;建立了灰色预报模型GM(1,1)和GM(1,N),预报网箱养殖大黄鱼细菌性疾病的发生时间和发病率。灰色关联分析结果表明,大黄鱼细菌性疾病的发病率与养殖水域的环境因子都有不同程度的关联;把水温、悬浮物、无机氮和COD选作先行指标,用这些因子的不同组合建立了GM(1,5)、GM(1,4)和GM(1,3)模型,比较这些模型的平均相对误差,由无机氮和COD构成的GM(1,3)模型平均相对误差最小,为5.304%;用GM(1,1)模型对大规模细菌性疾病发生的时间进行了预测,预测结果与实际情况基本一致。     

基于灰色–马尔科夫模型评估石雀滩海洋牧场岩礁鱼类碳储量

本研究以石雀滩海洋牧场许氏平鲉(Sebastes schlegelii)、大泷六线鱼(Hexagrammos otakii)、褐菖鲉(Sebasticus marmoratus)、铠平鲉(Sebastes hubbsi)、厚头平鲉(Sebastes pachycephalus)等岩礁鱼类为研究对象,基于2017—2020年地笼网采捕的渔获量数据,采用元素分析法和灰色−马尔科夫模型,统计并预测了岩礁鱼类现存生物量的碳储量(以下简称岩礁鱼类碳储量)。结果显示,岩礁鱼类干样碳含量分布范围为42.95%~50.19%,平均值为(46.11±2.34)%;鲜样碳含量分布范围为11.05%~13.25%,平均值为12.30%。2017年春季、2018年冬季、2019年春季和2020年冬季鱼礁区岩礁鱼类碳储量分别为293.46、104.49、119.40和48.48 t,呈波动式下降趋势;对照区分别为21.64、59.07、6.73和0 t,呈先上升后下降的趋势。灰色−马尔科夫模型验证数据平均相对误差为8%,较GM(1,1)模型预测精度提升了12%。经预测,鱼礁区岩礁鱼类碳储量呈下降趋势,2021年春季、2022年冬季、2023年春季和2024年冬季分别为64.84 、49.84、25.28和19.43 t。研究结果可为评估岩礁鱼类碳汇潜力提供依据,为建立渔业碳汇基础上的海洋牧场岩礁鱼类资源开发策略提供科学参考。     

基于灰色系统理论的网箱养殖大黄鱼疾病预报

为预报网箱养殖大黄鱼细菌性疾病的发生,以舟山市网箱养殖大黄鱼为研究对象,根据2001-2008年间舟山市网箱养殖大黄鱼发病情况的监测数据和各采样点海洋环境因子的测定数据,应用灰色系统理论探索了网箱养殖大黄鱼细菌性疾病的发生发展规律及其与环境因子的关系;建立了灰色预报模型GM(1,1)和GM(1,N),预报网箱养殖大黄鱼细菌性疾病的发生时间和发病率.灰色关联分析结果表明,大黄鱼细菌性疾病的发病率与养殖水域的环境因子都有不同程度的关联;把水温、悬浮物、无机氮和COD选作先行指标,用这些因子的不同组合建立了GM(1,5)、GM(1,4)和GM(1,3)模型,比较这些模型的平均相对误差,由无机氮和COD构成的GM(1,3)模型平均相对误差最小,为5.304％;用GM(1,1)模型对大规模细菌性疾病发生的时间进行了预测,预测结果与实际情况基本一致.     

滇池草海水质等级预测模型研究

综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。     

工厂化流水养鲍系统水质动态变化

于粤东工厂化杂色鲍(HaliotisdiverscolorReeve)养殖场的进水管、养鲍池、排水渠分别取水样,测定水中pH、DO、DIN及DIP的质量浓度C(X)。进水为自然海水经沉淀、过滤。池中水温为26 9～29 0℃,幼鲍养殖密度2500～3000ind/m2;成鲍放养密度为120笼/池,40个/笼,体重12g。观察实验共进行6天。结果显示,水质有一定程度的空间分布差异和时间变化。出水口水体DIP质量浓度、DIN质量浓度及COD质量浓度比进水水体明显增高,平均分别增高1.6、1.4和0.6倍,出水口水体DIP质量浓度20%观测值超过二类海水水质标准。出水水体C(DO)和pH略有降低,平均分别降低0.31mg/L和0.16。不同水质因子进、出水的变化程度依次是C(DIP)>C(DIN)>C(COD)>C(DO)>pH,C(DO)和pH的降低与C(DIP)、C(DIN)和C(COD)的增高有密切联系。连续注水的幼鲍池中C(DO)和pH从进水段、中段到出水段呈逐渐降低趋势,停止注水则段间差异消失。24h水质变化显示,池中C(DO)与pH在8∶00～16∶00高于20∶00～4∶00,C(COD)以午夜较高、20:00次之。这与杂色鲍昼伏夜动的生活习性有关,C(DO)和pH的时间变化还与水温的波动有关。从总体看,该流水体系中,水质基本满足我国相关水质标准的要求。     

湛江东海岛鲍鱼养殖场水质分析

为了监测湛江东海岛鲍鱼养殖场的水质状况,2011年春季对湛江东海岛九孔鲍养殖场的水质进行采样分析,并应用单项指标评价和富营养化评价等方法,对水质状况进行了评价。结果表明,该养殖场水体采样点的水温为16.0～17.5℃,盐度是22,pH值在7.83～7.90之间,均符合我国第二类海水水质标准。各采样点的溶解氧(DO)和生化需氧量(BOD5)也符合第二类海水水质标准,但化学需氧量(COD)值在14.88～15.36 mg/L之间,与第二类海水水质标准相比严重超标;各采样点的无机氮(DIN)均以NO 3--N为主,DIN值在1.053～1.569 mg/L之间,DIN含量严重超过我国第二类海水水质标准。该养殖场水体属于氮富营养化。     

基于灰色系统的北太平洋柔鱼渔汛特征分析及旺汛期预测

柔鱼(Ommastrephes bartramii)是大洋性经济头足类,是我国远洋鱿钓渔船重要的捕捞对象。分析柔鱼渔汛特征并预测旺汛期,有助于柔鱼资源的合理开发与利用。本研究根据2013―2017年北太平洋柔鱼渔业生产统计数据,以每日平均渔获量(CPUEday)作为资源丰度,利用分位数的方法划分旺汛期;结合灰色波形预测方法,对旺汛期日期序列建立灰色波形预测模型群[GM(1,1)模型],对旺汛期出现的时间进行预测。结果显示,北太平洋柔鱼渔汛时间最早为5月12日,一直持续到年终;旺汛期为每年的8―11月,第1旺汛期基本在8月出现。GM(1,1)模型的平均相对误差为6.83%,旺汛期日期序列预测的平均相对误差为8.19%,验证数据的平均相对误差为15.82%,表明此模型可预测北太平洋柔鱼的旺汛期。研究结果可为远洋渔业企业的高效率、合理化的科学生产提供技术支撑。     

莱州人工鱼礁海域水质状况的变化特征

根据2010～2011年莱州人工鱼礁海域春、夏、秋、冬4个季节共8个航次的化学需氧量（COD）、无机氮（DIN）、活性磷酸盐（DIP）、总氮（TN）、总磷（TP）、有机碳（TOC）等要素的分析结果,运用N/P比值、有机污染指数A和富营养化指数E等方法,对投放人工鱼礁海域不同年份水体的质量状况进行了评价,分析了该海域水环境在人工鱼礁投放后的变化.结果表明,投礁区第2年DIN含量明显降低,而DIP含量略有上升,使得海区中的DIN/DIP值降低,由89.60降低到44.54.2011年和2010年投礁区DIN/DIP有显著性差异（P＜0.05）,而对照区无显著性差异（P＞0.05）,表明人工鱼礁对水体有改善作用;营养化指数E分析表明,调查海域水质未达到富营养化状态,处于较低营养水平,且2010年与2011年、礁区和对照区E值的平均值均相差不大,营养状况无明显差异;调查海域有机污染指数A小于0或小于1,且投礁区和对照区无明显差异,2010年与2011年也无明显差异,表明该海域未受到有机污染,水质状况良好或较好.     

海陵湾口海水水质的综合分析与评价

根据2015—2016年4个航次的调查数据,对海陵湾口海水温度、盐度、p H、溶解氧(DO)、化学需氧量(COD)、无机氮(DIN)、无机磷(DIP)、叶绿素a(Chl-a)、石油类、硫化物和重金属质量浓度等16项水质指标进行分析,并通过综合污染评价指数(P)、富营养状态(E)和质量评价指数(NQI)对该区域渔业环境质量进行综合评价。结果显示,对海陵湾海域污染贡献率最高的因子依次是石油类、DIN、COD和DO,不同季节海水受污染程度和主要污染物水平存在显著差异(P0.05);春季海水中DIN污染贡献率最高(0.27~0.69 mg·L~(–1)),仅达到国家四类海水标准;夏季水质清洁,达到国家二类海水标准,但DO质量浓度(4.69~5.93 mg·L~(–1))显著低于其他三季;秋冬两季海水均受到一定程度的石油污染,海水中石油类质量浓度分别达0.069 mg·L~(–1)和0.143 mg·L~(–1),均超过国家二类海水标准限量值,综合评价结果为轻度污染;冬季海水中COD值(3.67 mg·L~(–1))和Chl-a质量浓度(13.07 mg·m–3)均显著高于其他季节,11个调查站位(90%以上)NQI值大于3,水质呈现明显的富营养化状态。     

A combined model of dissolved oxygen prediction in the pond based on multiple-factor analysis and multi-scale feature extraction

As dissolved oxygen (DO) is an important indicator of water quality in aquaculture, an accurate prediction for DO can effectively improve quantity and quality of product. Accordingly, a novel hybrid dissolved oxygen prediction model, which combines the multiple-factor analysis and the multi-scale feature extraction, is proposed. Firstly, considering that dissolved oxygen is affected by complex factors, water temperature and pH are chosen as the most relevant environmental factors for dissolved oxygen, using grey relational degree method. Secondly, the ensemble empirical mode decomposition (EEMD) is adopted to decompose the dissolved oxygen, water temperature and pH data into several sub-sequences, respectively. Then, the sample entropy (SE) algorithm reconstructs the sub-sequences to obtain the trend component, random component and detail component. Lastly, regularized extreme learning machine (RELM), a currently effective and stable artificial intelligent (AI) tool, is applied to predict three components independently. The prediction models of random component, detail component and trend component are RELM1, RELM2 and RELM3 respectively. The dissolved oxygen, water temperature and pH of the random component forms the input layer of RELM1, and predicted value of dissolved oxygen in the random component is the output layer of RELM1. The input and output of RELM2 and RELM3 are similar to that of RELM1. Final prediction results are obtained by superimposing three components predicted values. One of the main features of the proposed approach is that it integrates the multiple-factor analysis and the multi-scale feature extraction using grey correlation analysis and EEMD. Its performance is compared with several outstanding algorithms. Results for experiment show that the proposed model has satisfactory performance and high precision.     

唐山祥云湾海洋牧场水质的变化规律与评价

为了解祥云湾人工礁区的水质情况,2019—2020年对祥云湾海洋牧场海水环境条件进行调查,结果显示:海水盐度变化不大,平均为30.91‰,礁区透明度低于对照区.溶解氧含量在9月最高,变化范围为8.10～8.81 mg/L.COD含量在3月最高,9月最低,浓度变化范围为0.83～1.48 mg/L.活性磷酸盐含量变化范围...     

2013年春季莱州湾海域理化环境及水质状况分析

依据2013年6月对莱州湾海域的调查资料,分析了该海域盐度(S)、pH、溶解氧(DO)、化学耗氧量(COD)、溶解无机氮(DIN)和活性磷酸盐(PO4-P)等理化因子的分布特征,并采用潜在性富营养化评价模式和有机污染指数分别对该海域的营养水平和有机污染状况进行了评价。结果显示,2013年春季莱州湾所有站位溶解氧、化学耗氧量均符合Ⅰ类海水水质标准;DIN污染严重,31%站位的DIN含量超Ⅳ类海水水质标准;PO4-P含量较低,所有站位PO4-P含量均符合Ⅰ类海水水质标准。由评价结果来看,2013年春季莱州湾海域N/P比值总体处于高值,P相对缺乏,营养水平处于磷限制潜在性富营养(ⅥP)水平,有机污染程度属于Ⅱ级,表明该调查海域开始受到有机污染,但有机污染程度轻于2007年夏季。     

A three-dimensional numerical model for a mariculture nitrogen cycle: case study in Shizugawa Bay, Japan

A numerical model is developed for mariculture management, which consists of: (1) calculation of spatial distribution of PON (particulate organic nitrogen) using simulated current, (2) calculation of spatial distribution of DO (dissolved oxygen), (3) calculation of DON (dissolved organic nitrogen), (4) calculation of spatial distribution of DIN (dissolved inorganic nitrogen), and (5) calculation of the horizontal distribution of accumulated matter which is supplied by deposits from the mariculture of fish. This model is capable of calculating the detailed spatial distribution of PON, DON, DIN and DO by dividing the bay into many grid points. It also takes into consideration the effects of feed and fish in each raft, and the loading of DIN from rivers. The model is applied to Shizugawa Bay, in Miyagi Prefecture, Japan. The model elucidated the oxygen cycle among ecological compartments. The amount of dissolved oxygen supplied by photosynthesis is much greater than the consumption through respiration by fish and all other conditions for mariculture of fish are favourable in this bay.     

基于模糊神经网络的池塘溶解氧预测模型

在分析了池塘溶解氧影响因素的基础上，利用模糊神经网络良好的非线性逼近能力建立了池塘溶解氧的模糊神经网络预测模型。神经网络模型如采用常规的BP或其它梯度算法，常导致训练时间较长且易陷入局部极小点，本实验采用快速的粒子群优化算法对模糊神经网络进行训练，收敛速度明显加快。实验结果表明采用该方法预报溶解氧的预测精度较常规BP递推算法的预测精度明显提高，所采用的模型能对溶解氧进行可靠的预测，该方法为研制开发智能水质检测仪以及工厂化养殖工作奠定了基础，对实际生产具有一定的指导意义。     

海州湾前三岛人工鱼礁区浮游植物群落组成及与环境因子的关系

通过2012年9月至2013年8月对海州湾前三岛人工鱼礁及邻近海域浮游植物4个航次的调查,共鉴定出浮游植物3门35属85种,其中硅藻门67种,甲藻门17种,金藻门1种。春、秋季全区浮游植物丰度(分别为16.5×105、13.31×105 cell/m3)明显高于夏、冬季(分别为6×105、3.8×105 cell/m3)。主要优势种有密联角毛藻(Chaetoceros densus)、深环沟角毛藻(Chaetoceros constrictus)、拟旋链角毛藻(Chaetoceros pseudocurvisetus)、细弱圆筛藻(Coscinodiscus subtilis)、明璧圆筛藻(Coscinodiscus debilis)、卡氏角毛藻(Chaetoceros castracanei)、旋链角毛藻(Chaetoceros curvisetus)、柔弱角毛藻(Chaetoceros debilis)等,其中密联角毛藻为春季的绝对优势种。除春季鱼礁区与对照区浮游植物多样性指数和均匀度指数存在显著性差异外,其他季节的鱼礁区与对照区浮游植物群落参数(浮游植物种类数、细胞丰度、叶绿素a浓度、丰富度指数、多样性指数和均匀度指数)均无显著性差异(P0.05),但不同季节间浮游植物群落参数存在显著差异(P0.01)。环境因子在鱼礁区与对照区不存在显著差异(P0.05),但不同季节间存在显著差异(P0.05)。多维尺度和聚类分析表明,浮游植物的群落组成存在明显的季节差异,但区域间无显著差异(P0.05)。人工鱼礁区与对照区相似的浮游植物群落结构可能是由于对照区与鱼礁区相距较近、调查范围小、水较深、采样站位靠近岛屿及人工鱼礁投放时间较短等因素引起的。冗余分析(redundancy analysis,RDA)结果表明,影响浮游植物群落的主要环境因子依次为:温度、Si O3-Si、溶解氧(DO)、PO4-P、生化需氧量(BOD5)、可溶无机氮(DIN)、化学需氧量(COD)和透明度。     

灰色聚类法在胶州湾富营养化评价中的应用

参照国家海水水质标准(GB3097-1997)和海水的富营养化特点,选取活性磷酸盐(PO43--P)、溶解无机氮(DIN)、溶解氧(DO)、化学需氧量(COD)和叶绿素a(Chl-a)为评价指标,将富营养化程度分为3个级别,利用灰类白化权函数描述海水富营养化的等级界限,确定各指标在灰类中的聚类权及聚类系数,确定各聚类对象的等级,在此基础上建立海水富营养化综合评价模型。以胶州湾为研究对象,对2009年5月和8月的监测数据进行分析,结果表明,胶州湾东部海域已达到富营养化,西部和北部海域处于中度营养水平,湾中和湾口附近海域处于贫营养水平,这与沿岸河流、工农业废水、生活污水和养殖废水的排放、湾内海水与外海水的交换速率以及水域水深条件密切相关。灰色聚类法评价的胶州湾水域的富营养化状态与真实情况接近,因此,利用灰色聚类法评价海水富营养化是一种快速、简便、客观的方法。     

Chemical Budgets for Organically Fertilized Fish Ponds in the Dry Tropics

Chemical budgets were determined for nitrogen, phosphorns, dissolved oxygen and chemical oxygen demand for three 0.1-ha earthen ponds stocked with Onwchrornis nilotieus at the El Carao National Fish Culture Research Center, Comayagna, Honduras, for two 150-d culture periods, corresponding to the rainy and dry seasons. Layer chicken litter was added to ponds weekly at 500 kg dry matter/ha. Concentrations of nitrogen (N), phosphorus (P), and chemical oxygen demand (COD) in pond water increased during each season. No significant seasonal differencea in concentrations of water quality variables were observed. Chicken litter added to ponds represented 92–94% of N input, 93–95% of P input, and 43–52% of COD input. Photosynthesis by phytoplnnkton provided 47–56% of COD and 98% of dissolved oxygen (DO) added to ponds. Net inward diffnsion of oxygen added 1.2–1.5% of total DO. Regulated inflow was a minor source of nutrients, and contributed 3–4% of input N, 3–4% of input P, 1% of COD input, and 1% of DO input. Nutrient inputs from rain were ≤1% of total for each nutrient. Fish harvest accounted for 18–21% of total N, 16–18% of total P and 2% of COD added to ponds. Community respiration accounted for 48–57% of COD and 99.5% of DO added to ponds. Nutrient losses in pond effluent at draining were: 7–9% of total N, 29–37% of total P and 2–3% of COD. While measured gains exceeded measrued losses, significpntly greater N, P and organic matter concentrations in pre-drain samples indicated pond mud was a major sink for added nutrients, accumulation in mud represented 70% of total N, 35–40% of total P, and 38–46% of COD.     

大连湾丹麦细柱藻赤潮的主成分分析

2002年8月，在黄海北部大连湾棉花岛海域发生的丹麦细柱藻赤潮中，跟踪测定了赤潮生消过程的生物数量及各环境要素。用主成分分析的方法，分析该海域丹麦细柱藻赤潮与环境因子的相关关系。结果表明，pH、叶绿素a、水色、DO、活性磷酸盐、COD以及透明度是指示(影响)赤潮生物细胞总量的关键因子。