基于SparkR的人工水体藻类建模预测

为探究水质分析与大数据技术结合的可行方案,以MySQL+Hive+SparkR为主体框架搭建一整套从数据输入、存储、调度到应用的SparkR水质分析平台。设置室内培养模拟人工湖藻类生长实验组及其重复实验组,监测各项指标数据,通过SparkR平台,在本地应用Adaptive-Lasso算法识别出对照组和苦草组藻类生长主要影响因子,并建立回归方程进行验证,在集群分布式部署GBTs藻类预测模型,经重复试验验证预测模型未来3天的相对误差均值分别为15.3%、14.8%。

苦草对水-底泥-沉水植物系统中藻类生长的影响

通过室内模拟水-底泥-沉水植物(苦草)生态系统,进行苦草作用下水体中藻类Chl. a及水质因子的观测,并采用方差分析及主因子识别法分析苦草对藻类生长的影响。研究结果表明:苦草的存在使系统间藻类的生长存在显著性差异(P=0. 0162),苦草组中藻类生长的主因子为溶解氧(DO)、总磷(TP)和总氮(TN);苦草具有良好的去氮除磷效果,实验结束时,TP和TN分别降低了47. 62%和65. 54%;实验10 d后,苦草的分泌物达到一定浓度,表现出明显的化感作用,具体的作用浓度阈值还需进一步研究。