[发明专利]一种基于人工智能算法的湖（库）富营养化预测方法

说明书

本发明公开了一种基于人工智能算法的湖/库富营养化预测方法，包括以下步骤：1)采集数据建立数据库；2)构建径向基函数网络：第一层是输入层；第二层为隐含层，隐含节点输出为基函数；第三层为输出层，每个输出节点与所有隐含节点相连；径向基函数网络输出层的输出结果包括：叶绿素a浓度；输入层的输入指标包括：氮磷营养盐浓度、化学需氧量、水温、浊度、电导率、溶解氧浓度；3)径向基函数网络学习；4)径向基函数网络的预测功能检验。本方法克服了传统方法中采用水动力学水生态数学模型的参数率定困难、耗时相对较长的问题，也稳定的提高了湖(库)富营养的预测计算精度。

技术领域

本发明涉及水利工程领域，尤其涉及水环境管理领域，具体为一种基于人工智能算法的湖(库)富营养化预测方法。

背景技术

湖(库)的富营养化及水华爆发作为一类突发性水污染事件，其实质是营养物质在湖(库)富集，从而使水环境发生一系列物理、化学和生物学变化的复杂过程。在此过程中，氮、磷等营养物质为湖(库)水生生物(特别是浮游藻类) 的生长繁殖提供了物质基础。浮游藻类的大量繁殖，又影响水环境状况，如透明度降低、溶解氧下降等。在自然状态下，湖(库)水体的自然富营养化过程是极为缓慢的，往往需要几千年甚至几万年时间才能完成。但由于人为活动影响加剧，湖(库)富营养化进程已大大加快。人类活动对于湖(库)水体水质的影响主要体现在以下几个方面：(1)大量富含氮、磷等营养物质的污水排入水体，使湖(库)富营养化加剧；(2)打破湖(库)环境系统的平衡机制，湖(库)富营养化时。水中溶解氧减少，水下光照减弱，引起若干种不能适应变化的水生植物大量死亡，使湖(库)系统中的生物多样性逐渐减少；(3)对于一些以湖(库)作为饮用水源的地区，湖(库)富营养化会影响饮用水的供应；(4)湖(库)富营养化导致湖(库)的旅游价值大大降低；(5)湖(库)富营养化加速湖(库)的老化过程，使湖(库)在短短数十年内就荒漠化，直至死亡。目前湖(库)富营养化已成为国内外广泛关注的环境问题，为防止湖(库)富营养化，首先必须认识湖(库) 的富营养化状态及其变化动态，预测其变化和可能采取的对策和效果。藻类数量的增多(或叶绿素a浓度的上升)是藻类湖(库)富营养化程度的重要标志，以藻类数量(或叶绿素a浓度)对湖(库)富营养化进行预测是目前的主流思路。

目前，对于湖(库)富营养化预测模型主要有三大类：(1)水动力学水生态数学模型，具体的以湖(库)水动力学模型为基础建立的富营养化预测模型属于湖(库)生态动力学模型的范畴，生态动力学模型是以质量平衡方程为基础，以各生态变量的生态动力过程为核心，模拟生态变量的时空变化过程。该方法的优点是考虑了自然界中多种因素之间的相互作用，对湖(库)富营养化的动力过程有更深入的了解，但缺点是该数学模型包含的参数太多，模型的率定、验证十分困难，模型的通用性和综合性有待提高。(2)多元回归数学模型，具体的，从对水体水质的空间分布特征的表达上，多元回归模型与物质平衡模型类似，需要将预测水体作为整体的黑箱对待，其优点是具有简单、易懂的优点，但缺点是预测精度偏低。(3)人工智能算法数学模型。由于受到数据样本偏少以及人工智能算法不够成熟等因素的限制，以往采用人工智能算法数学模型对湖(库)富营养化进行预测的研究较少。

发明内容