论文部分内容阅读
随着2008北京奥运的临近,人们越来越关注北京的环境问题。由于首都北京是湖泊较多的大城市之一,所以北京的湖泊就成为北京面向国内外的窗口、是实现“绿色奥运”的重要组成部分。但近年来,随着城市经济和人口的发展,湖泊水质明显恶化,水华频频,水环境问题同益突出,富营养化逐渐成为北京的“水害”之一。
本课题主要研究北京市城区河湖水体水华的成因及规律。分析了影响水华发生的各因素和各表征指标之间的相关性,确定了北京城区河湖水体的水华阈值和暴发点。并通过正交实验和粗糙集理论的对比研究确定了预警模型的输入和输出值。通过与藻类生长机理模型对比,最终选择Elman人工神经网络模型建立水华预警模型,并进行水华预警模拟研究。
在模拟自然条件下,通过对北京城区河湖水体水华成因及规律的研究发现:叶绿素a可以很好的表征藻类的生长过程,藻类的生长过程可分为适应、萌芽、暴发、稳定和死亡五个阶段。在相同的磷起始浓度下,藻类最大现存量随氮磷比的变化依次足16:1>25:1>5:1,达到最大现存量的时间依次是5:1>25:1>16:1,即氮磷比16:1最适藻类生长。藻类生长过程中,DO与叶绿素a之间存在明显的正相关,相关系数达到0.84,pH与叶绿素a也存在很好的正相关,相关系数为0.83,pH与DO为显著相关,相关系数达0.93以上,培养周期内一天24小时内,pH、DO均随叶绿素a呈波动变化。△DO、△pH与叶绿素a都有很好的正相关,同时△DO和△pH达到最大时,叶绿素a含量也达到最大值,所以△DO和△pH比DO和pH能更好的达到预警的目的,可作为预警模型的输入参数。通过水力搅动实验,表明水力搅动的存在能够降低藻类最大现存量,推后达到最大藻密度的时间,随着水力搅动强度的增加,水体达到藻类最大现存量的时间逐渐推后。
在不同氮磷比条件下,Fe3+浓度在5~5000μg/L范围内都能极大地促进藻类对氮磷营养盐的吸收和利用,使藻类的最大现存量和最大比增长速率成倍的增加。因此,在营养充分时,Fe3+可能成为水华暴发的主要诱发因素。且Fe3+促进作用的强弱依次为500>50>5>5000(μg/L);Mn2+浓度在5~5000μg/L范围内对藻类增殖有一定的促进作用,但促进效果比Fe3+要小。Mn2+低浓度(50μg/L)下,对藻类增殖的促进作用最为显著,但随着浓度的增加促进作用逐渐下降,当浓度达到40mg/L时,Mn2+对藻类生长产生抑制作用。通过正交实验表明无论以藻类最大现存量为结果,还是以最大日比增长率为结果分析都说明对藻类生长和繁殖的影响程度大小依次是水温>光照>总磷>总氮,并且与粗糙集理论的结论是相符的,只是在总磷重要程度的排序上有所不同。考虑到水华暴发能量积累的特性,前一时段的Chl-a可以作为预测后一时段Chl-a的参考,所以将前一时段的Chl-a也作为水华预测指标体系中预测因子。最终确定预测因子(模型输入指标)为:总磷、总氮、水温、光照、DO、前一采样点的Chl-a;预测量(模型输出指标)为:Chl-a。
在实验室培养条件下,在叶绿素a浓度小于40μg·L-1时,叶绿素a与藻密度间的相关性不明显。这是由于此时水体中的生物多样性较高,藻类种类较多,不同的藻种细胞所含叶绿素a不同所致。当水体叶绿素a浓度大于40μg·L-1之后,叶绿素a与藻密度呈较好的线性关系,相关系数R2在0.8705以上。这是由于此时水体中生物多样性下降,某种藻类在水体中占据了绝对优势,成为优势藻种,水体中藻类变得非常单一。同时,在叶绿素a浓度达40μg·L-1时,水体的颜色、透明度、气味等物理性状都发生明显恶化,藻类的生长极为旺盛,藻密度和藻类的日增长率达106数量级,可认为此时水体已经暴发水华,所以确定北京城区河湖水华阂值是40μg·L-1。通过对藻类生长曲线进行回归分析,结合藻密度和叶绿素a的日增长率的变化量,得到了北京市各河湖水体的暴发点。同时确定水华暴发的警戒限为叶绿素a浓度20μg·L-1。
通过对实测数据的计算和分析,本文建立的藻类生长机理模型能够较好地反映藻类生长的趋势,模型模拟值与实际值的平均相对误差为3.9%,说明该机理模型能够很好的模拟藻类生长过程,但自身的缺点使其在预测方面不具备优势。
与BP网络相比,Elman网络能反映动态系统的时间积累特性,Elman预测模型可以更精确地预测叶绿素a的短期变化规律。本文建立的Elman网络模型拟合性能好,泛化能力强,预测精度高,在24小时内预测精度高达90.62%,从而为水华的短期预测提供了一种有效的新方法。同时,与BP网络相比,在预测2小时后的叶绿素a时,Elman和BP网络精度都很高,分别达到97.57%和95.32%,但随着预测时间间隔的增加,Elman网络预测精度越来越高于BP网络精度。