基于动态因子分析及BP神经网络构建叶绿素a预测模型

基于动态因子分析及BP神经网络构建叶绿素a预测模型.pdf
以武汉东湖2004-2015年环境监测数据为基础,通过动态因子分析(DFA)识别影响叶绿素a浓度变化的关键因子,并将这些因子通过BP神经网络建立叶绿素a预测模型.结果表明,影响武汉东湖叶绿素a浓度变化的主要因子为温度、总氮、总磷、降雨及两个未被观测的潜在影响因子.较高的温度及氮磷浓度促进浮游藻类的生长,增加水体叶绿素a的浓度;而降雨则会稀释水体浮游藻类数量,降低叶绿素a浓度.此外,东湖子湖之一的庙湖由于其过高的总磷浓度(0.625mg/L),随着水体流动,反而会抑制其他子湖的藻类生长.由于藻类对环境因子的滞后响应,选取t-1及t-2时间的关键因子及潜在因子构建BP神经网络,以预测6个月叶绿素a的浓度变化.其预测结果对于实测值的百分误差均小于10％,表明模型具有较好的预测效果.本研究结果可为武汉东湖富营养化治理及水华预警提供参考.
作者：赵恩民郭益铭王雨
作者单位：中国地质大学(武汉)环境学院,武汉430074;中国地质大学(武汉)盆地水文过程与湿地生态恢复学术创新基地,武汉430074
母体文献：第十五届中国水论坛论文集
会议名称：第十五届中国水论坛  
会议时间：2017年11月10日
会议地点：深圳
主办单位：中国水利学会,中国自然资源学会,中国地理学会,中国可持续发展研究会
语种：chi
分类号：TU9TP3
关键词：湖泊监测  叶绿素a  浓度预测  动态因子分析  BP神经网络
在线出版日期：2020年8月25日
基金项目：
相似文献
相关博文

2024-12-3 20:01 上传 基于动态因子分析及BP神经网络构建叶绿素a预测模型.pdf

文件大小:

1.55 MB

下载次数:

60

高速下载