基于移動檢測平臺的藻類水華短期預測方法研究.pdf

1、近年來，隨著水體富營養(yǎng)化程度加劇，藻類水華頻繁暴發(fā)。藻類水華不僅破壞水體生態(tài)環(huán)境，還威脅人類身體健康，并且缺少短期內的有效治理手段，因此，對水體藻類濃度進行實時預測，在水華暴發(fā)之前采取應急措施，降低治理成本，具有重要意義。
　　本文在分析了國內外預測方法的基礎上，根據生長機理和通用信號處理方法各自的特點，提出了一種基于藻類水華形成機理的分段短期預測方法。同時針對國內外水質移動檢測系統(tǒng)的不足，改進了一種低成本、便攜性好、操作方便靈活

2、、可在線檢測部分水質參數(shù)的移動檢測系統(tǒng)。并將基于藻類水華形成機理的分段短期預測模型與水質移動檢測系統(tǒng)結合，實現(xiàn)對飲用水源地（地表水）的不同水域進行藻類水華實時預測。本文主要工作和特色如下:
　　(1)建立了基于藻類水華形成機理的分段短期預測模型。根據藻類水華形成的過程，確定了藻類水華形成關鍵影響因素，即水溫、光照和營養(yǎng)鹽;參考藻類水華形成“四階段理論”，本文將全年按月分為3個階段，選擇不同階段的影響因子，建立藻類水華形成分段機理模

3、型;并根據藻類短期生長趨勢預測未來某個時刻的生長情況。
　　(2)完成了藻類分段短期機理預測模型的仿真實驗。選用德國易北河2000年3月到10月的監(jiān)測數(shù)據用于模型驗證，并用粒子群優(yōu)化算法動態(tài)率定模型參數(shù)。從率定數(shù)據時間跨度、率定參數(shù)組合、參數(shù)動態(tài)率定預測序列和未來三日預測序列四個角度分析了預測模型對葉綠素a濃度的預測情況，初步結論為:①選取率定數(shù)據時間跨度為7天時，預測結果最優(yōu);②光半飽和常數(shù)K1的率定對預測結果的影響要優(yōu)于光系數(shù)

4、（a）;③預測序列誤差約為10％，說明該預測模型能夠很好的應用于德國易北河葉綠素a濃度預測;④從未來一日到未來三日，預測誤差依次增大。
　　(3)完成了水質移動檢測系統(tǒng)的硬件和軟件改進。該系統(tǒng)由移動檢測平臺、監(jiān)控中心和手持終端三部分組成，移動檢測平臺用于對目標水域水質信息在線檢測，并將檢測結果發(fā)送到監(jiān)控中心和手持終端，本文實現(xiàn)了水溫和光照強度的遠程檢測;監(jiān)控中心用于存儲水質歷史數(shù)據和實現(xiàn)藻類水華預測;手持終端用于發(fā)送相應控制命令。