论文部分内容阅读
湖泊是全球水资源的重要组成部分,在维持生态系统平衡中起着重要的作用。然而由于各种人为因素的影响,湖泊富营养化日趋严重,成为各类水质危害中最为突出的问题。太湖作为我国第二大淡水湖泊,同时是我国东部近海区域最大的湖泊,自上世纪八十年代起,太湖水质发生突变,至九十年代后几乎每年都爆发大面积蓝藻,直到2007年后由于国家对太湖的治理,富营养化问题得以控制。本文以改进水质评价方法为目的,以太湖作为研究对象,以1992年-2006年蓝藻爆发严重时的各项水质监测数据为基础,对太湖的典型湖区——梅梁湾建立决策树模型,确定影响太湖水质富营养化的重要因子;其次,修订了太湖水质富营养化等级评价,以相关权重方法为基础,对2013年-2017年各月的太湖水质进行了评价;最后,对太湖2007年-2017年的富营养化评价指标进行时间序列分析时,考虑自变量对模型拟合精度的影响,并进行了两种模型统计量的比较,最后给出了太湖2018年各月水质的等级评价预测。基于以上对太湖水质系统性的分析研究,本文得出了以下的主要结论:(1)本文所建立的太湖梅梁湾决策树模型中,选取了16个指标作为输入变量,模型拟合结果显示高锰酸盐指数、总磷、总氮、pH及水温是影响梅梁湾水体富营养化的重要因素,并给出了不同水质情况下的各指标的阈值。(2)本文基于太湖梅梁湾决策树模型的分析,对太湖水质营养等级评价的标准体系进行了修订,确定了四个评价指标,七个评价等级的评价方法,并以计算相关权重的方法为基础,对太湖2013年1月-2017年12月各月的水质进行了等级评价,结果显示五年中水质总体呈轻富营养到富营养化程度之间,其中2015年2月、4月、5月、6月、7月水质呈轻富营养,其他月份呈中富营养,水质为五年中较好状态。该评价结果与太湖实际水质情况相符,表明此修订后的方法更加细化,评价指标的选取更具理论意义,营养等级的评价与水质的实际情况更加吻合。(3)本文对太湖Chla、CODMn、TP、TN构建时间序列模型,模型拟合类型分别为:Chla:ARIMA(1,0,0)(1,0,0);CODMn:ARIMA(0,1,1)(0,1,1);TP:ARIMA(0,0,1)(0,0,0);TN:ARIMA(1,0,0)(0,1,1)。同时将四种指标互为自变量作为时间序列模型的外部因素增加到模型拟合中,结果显示模型的拟合精度要高于不加自变量的模型。最后根据本文修订后的太湖水质营养等级评价,对预测出的2018年各月及各指标的数值进行比对,最后得出2018年1月-12月的太湖营养等级的预测值,为相关管理部门及各研究学者提供参考价值。