北方中小型河流坝区内叶绿素a预测及敏感性分析

发布时间：2020-07-24 13:12

【摘要】：北方中小型河流坝区水体都具有封闭性较强、水动力条件差、自净能力低、水环境容量小等特性,因此在环境条件适宜的情况下,极易导致水体中藻类爆发。以典型的北方小型河流坝区—张家口市清水河坝区为例,在对水体环境因子的监测基础上,了解其时空变化特征,利用BP神经网络建立叶绿素a预测模型,进行叶绿素a局部敏感性分析,探索叶绿素a主要限制因子,为防治北方中小型河流坝区浮游藻类爆发提供一定指导。主要研究内容和结论如下:1、水体环境因子的时间尺度变化特征为:溶解氧夏季最高,春秋季节略有降低;总磷浓度全年较低,总体呈现夏季略高的趋势,但不显著;总氮浓度较高,季节变化特征呈秋季最高,春季次之,夏季最低;氨氮浓度全年含量较低,季节变化不显著。2、环境因子空间尺度变化特征为:pH值、溶解氧和总磷沿着水体流向呈现明显增大的趋势;总氮浓度随着水体流向有明显的下降的趋势;氨氮浓度空间尺度的特征不明显。3、叶绿素a季节变化特征为:夏季较高,春秋季节略显降低;空间尺度整体呈现随水体流向递增的趋势。浮游藻类以绿藻和硅藻为主,优势藻类种属为栅藻属、舟形藻属、盘星藻属、小球藻属,群落分布不均匀且多样性较差。4、通过Q型聚类分析将清水河9个监测坝区分为两类,其中第一类包括2#、5#和8#坝区,第二类包括15#、19#、23#、25#、27#和29#坝区;利用mapminmax函数对环境因子进行归一化处理,解决量纲和数值差别对神经网络的影响;根据相关性分析,两类神经网络模型均筛除pH值噪声因子,确定了输入变量为:水温、溶解氧、氨氮、总氮、总磷、COD和降雨量。5、根据经验公式确定神经网络预测模型的隐含层神经元数目为10,并确定转移函数为tansig-purelin的组合;BP神经网络预测模型第一类模型训练结果相关性系数高达0.984,检验相对误差值为0.067,第二类模型训练结果相关系数为0.907,检验相对误差为0.085,具有较好的拟合度及准确度。6、第一类神经网络以2#坝区为例进行敏感性分析,单样本敏感性分析整体变化趋势为8月至10月叶绿素a对总磷的敏感性最高,除8、9、10月外水温则为敏感性最高,其余环境因子敏感性较低且差异较大;全样本敏感性分析水温和总磷对叶绿素a影响最大,贡献率分别为27.4%和25.5%,叶绿素a主要限制因子为水温,其次为总磷;7、第二类神经网络模型以29#坝区为例进行敏感性分析,单样本敏感性分析4月和11月叶绿素a对水温的敏感性最大,5月至10月总磷敏感性最大,其余环境因子不同时间的敏感性差异较大,规律不明显;全年叶绿素a主要限制因子为总磷,其次为水温,贡献率分别为44.1%和28.1%。
【学位授予单位】：河北建筑工程学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X52;TP183
【图文】：

技术路线图,张家口市,时空变化特征,应用类

图 1-1 技术路线图Fig.1-1 Technology roadmap1.3.3 课题来源本研究为张家口市科学技术和地震局2017年重点应用类项目“清水河氮磷时空变化特征及富营养化分析研究”的其中一部分研究内容。

分布图,张家口市,清水河,采样点

第 2 章研究区域和方法周围环境调查研究，参照地表水检测技术规范采样点，分别为 2#、5#、8#、15#、19#、23#、点位深度为亚表层 (0.5m)。样品恒温保存运回检测工作。法：水温（WT）、pH、溶解氧（DO）、总磷（TPOD、降雨量、叶绿素 a、藻类鉴别。其中 WTP、TN、NH4+-N 和 COD、叶绿素 a 和藻类鉴的张家口市气象局降雨数据，藻类鉴别选用《藻志》进行鉴定，其他指标均选用国家标准方试剂均使用 MilliQ 超纯水。

训练学,样本模型,样本,神经网络模型

第 4 章叶绿素 a 预测模型构建经网络模型训练学习结果见图 4-5。从图 4与真实值之间的相关性系数高达 0.984，说度较高。第一类样本的检验样本对神经网为 0.067，R 值为 0.931。说明第一类样本的，并可以在某一个环境因子的状态下进行叶经网络叶绿素 a 预测模型搭建成功。

【相似文献】