典型文献
藻类生长预测模型的比较研究——以洪湖水体为例
文献摘要：
根据洪湖2014-2019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、CODMn和透明度;平水期和枯水期控制因子有水温、总氮、总磷.以2014-2018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2014-2018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.
文献关键词：
富营养化;藻类藻相;逐步回归;BP神经网络;洪湖
中图分类号：
作者姓名：
郭正强;严平川;向宣好;鲍仲涛
作者机构：
长江大学资源与环境学院,油气地球化学与环境湖北省重点实验室,武汉430100;湖北省荆州市水文水资源勘测局,荆州434000
文献出处：
引用格式：
[1]郭正强;严平川;向宣好;鲍仲涛-.藻类生长预测模型的比较研究——以洪湖水体为例)[J].湖泊科学,2022(04):1140-1149
A类：
回归预测分析,藻类藻相
B类：
藻类生长,生长预测模型,洪湖,湖水,藻类监测,综合营养状态指数法,逐步回归分析法,时运,平水期,蓝藻,枯水期,硅藻门,湖泊,生物量,丰水期,控制因子,水温,CODMn,透明度,总氮,总磷,年数,中营,决定系数,归并,神经网络训练,回归效果,水华,防治水,富营养化
AB值：
0.229227
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
