藻类生长预测模型的比较研究——以洪湖水体为例

根据洪湖20142019年水质及藻类监测数据,运用综合营养状态指数法评价了丰、平、枯3个时期的营养状态.在此基础上运用逐步回归分析法确定影响藻类生长的显著因子,并根据不同水量不同营养状态细分9种情形对藻类生长做回归预测分析,同时运用BP神经网络模型对回归预测的结果进行比较验证.结果表明:洪湖丰、平水期以蓝藻门为主,枯水期以硅藻门为主;湖泊的营养状态处于中度富营养与轻度富营养之间.分析各时期藻种生物量与影响因子的相关性,发现丰水期控制因子有水温、COD Mn和透明度;平水期和枯水期控制因子有水温、总氮、总磷.以20142018年数据逐步回归分析得出枯水期+中营养和枯水期+轻度富营养决定系数较低,其余7种时期决定系数均在0.5以上,说明逐步回归并不适用于所有时期.使用20142018年的数据进行神经网络训练和验证,2019年的数据进行预测,比较BP神经网络与逐步回归的均方根误差发现全年预测时BP神经网络效果更好;枯水期+中营养和枯水期+轻度富营养逐步回归效果较好,逐步回归的均方根误差仅为1600~4000;丰水期和平水期2种方法预测效果相当.合理地选择预测模型能为湖泊水华做出预警,控制显著变量可以达到防治水华污染的效果.