遗传BP网络对临江河回水区叶绿素a的短期预测模拟

论文摘要

三峡水库建成并正式调度运行,在发电、防洪、航运等方面取得巨大综合效益的同时,亦使得库区众多次级河流的水情发生了根本性转变。受干流水位顶托的影响,库区部分次级河流在汇入长江干流处形成了不同长度和范围的回水区域,流速显著减小,加之氮、磷等营养盐充足,光照适宜,为回水区藻类的生长繁殖提供了有利的条件。近年来,库区众多次级河流回水区域出现了不同程度“水华”现象。针对库区重污染次级河流回水区域富营养化潜势较高及对其水环境问题研究较少的现状,论文以长江重污染次级河流临江河回水区为研究对象,在对其水质进行连续监测的基础上,进行了以下几个方面的研究:①通过对回水区水质中CODMn、TN、TP、叶绿素a(Chla)等8项指标的分析测试,采用综合营养指数法对回水区的富营养化情况进行了评价。结果表明,回水区的富营养化程度较高,特别是春季期间,回水区流速较缓,气温、光照都适宜,水中营养盐充足,综合营养指数达到80以上,富营养化情况较严重。②采用灰关联法分析了回水区水质中TN、TP、CODMn、水温、透明度、DO、流速7项指标与表征富营养化因子Chla之间的相关关系。结果表明,Chla与TP的关联度最大,其次是水温和流速,与TN的关联度最小,这在一定程度上说明回水区的Chla浓度受总磷的限制作用较大;而回水区的总氮浓度较高,因此,其浓度的窄幅变化对藻类的生长繁殖影响相对较小。③基于遗传算法和BP神经网络方法理论基础的评述,建立了回水区Chla浓度短期预测的遗传BP神经网络模型。根据灰关联法的分析结果确定了网络的输入变量,以Chla作为网络的输出变量,采用Matlab2010进行程序编程,结果表明,模型的精度较高,预测值与实测值的相关系数达到0.9892,平均相对误差为9.8%,泛化性能良好,能够成功的运用于回水区富营养化的短期预测。同时,与单一的BP神经网络预测结果进行比较表明,在训练效果和预测精度上,遗传BP神经网络都要显著优于单一的BP神经网络。④结合课题组前期生态浮床技术治理重污染河水的试验研究结果,采用论文研究建立的遗传BP神经网络模型,对临江河回水区及其上游一定范围设置不同面积美人蕉浮床治理河水后的回水区Chla浓度进行了预测,分析了回水区水体富营养化潜势,评价不同水力负荷生态浮床技术条件下的对Chla的控制效果。研究表明,生态浮床技术可以有效地控制临江河回水区富营养化状况。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 水体富营养化概述
• 1.1.1 水体富营养化的定义与危害
• 1.1.2 水体富营养化的成因
• 1.2 水体富营养化评价与预测模拟研究现状
• 1.2.1 水体富营养化评价研究现状
• 1.2.2 水体富营养化预测研究现状
• 1.3 三峡库区次级河流污染现状及水体富营养化防治
• 1.3.1 三峡库区次级河流污染现状
• 1.3.2 次级河流水体富营养化防治
• 1.4 课题的提出和研究内容
• 1.4.1 研究对象——临江河
• 1.4.2 课题的提出
• 1.4.3 主要研究内容
• 2 回水区水质特征及富营养化评价研究
• 2.1 分析项目及测试方法
• 2.2 临江河回水区现状水质特征
• 2.2.1 水温与DO
• 2.2.2 流速
• 2.2.3 透明度和叶绿素a
• 2.2.4 CODMn
• 2.2.5 TN 与TP
• 2.3 临江河回水区富营养化评价
• 2.3.1 评价方法的选择
• 2.3.2 评价结果及分析
• 2.4 小结
• 3 回水区水体富营养化神经网络预测模拟研究
• 3.1 人工神经网络概述
• 3.1.1 BP 神经网络
• 3.1.2 BP 网络的改进算法
• 3.2 遗传BP 神经网络模型的构建
• 3.2.1 BP 神经网络拓扑结构的确定
• 3.2.2 网络输入/输出变量的确定
• 3.3 网络训练的结果与分析
• 3.4 网络性能的测试
• 3.4.1 模型检验
• 3.4.2 模型的泛化性能测试
• 3.5 小结
• 4 生态浮床技术对回水区叶绿素a 的控制评价
• 4.1 临江河生态浮床技术相关前期研究
• 4.2 生态浮床技术对回水区叶绿素a 的控制分析
• 4.2.1 春夏季节生态浮床对Chla 的控制与富营养化潜势分析
• 4.2.2 秋冬季节生态浮床对Chla 的控制与富营养化潜势分析
• 4.3 本章小结
• 5 结论和建议
• 5.1 主要结论
• 5.2 建议
• 致谢
• 参考文献
• 附录