论文部分内容阅读
随着沿海经济的高速发展,海洋富营养化程度日趋严重,这使赤潮的发生频率、规模和造成的危害都在不断加大。因此对赤潮藻类生长过程的研究成为国内外研究的热门话题。本文运用现代非线性动力学理论和模糊神经网络技术对赤潮藻类进行了研究,取得如下成果:
首先,建立了新的赤潮藻类生态非线性动力学模型,该模型考虑了藻类,营养盐,还有浮游动物之间的摄食关系。研究了模型的平衡点的稳定性以及HOPF分岔现象。
其次,为了更好地模拟出藻类周期性爆发生长,以及每次爆发的不规律性,提出了变参数的藻类生长模型,考虑藻类对营养盐的摄食率是变化的,用一个周期函数模拟藻类的生长率随季节变化的规律。分析和数值模拟现实本模型和实际吻合更好,并且对未加变参数的模型作了非线性动力学分析,得到了分岔等现象。
另外,在浮游植物总量与环境因子的定量关系研究中,使用了多元自适应样条回归模型。基于2003年5-9月渤海湾地区浮游植物总量及各种环境因子的实测数据,经过与投影寻踪回归模型预报结果对比,表明多元自适应样条回归很好地反映了浮游植物总量与环境因子定量关系并且是预报赤潮的较好模型。
最后,将基于T-S模型的模糊神经网络的信息融合算法应用在赤潮的预测预警中,研究各种理化因子与赤潮藻类浓度间非线性对应规律和有效预测赤潮藻类浓度。仿真实验表明这种方法具有有效的赤潮预测预警功能。