河流藻類(lèi)葉綠素a濃度短時(shí)間尺度預(yù)測(cè)方法研究和應(yīng)用.pdf

1、飲用水源地（地表水）的水體富營(yíng)養(yǎng)化是影響水源地水質(zhì)的主要原因。國(guó)內(nèi)外針對(duì)水體富營(yíng)養(yǎng)化研究多針對(duì)藻類(lèi)“水華”進(jìn)行預(yù)測(cè)。近年研究表明，藻類(lèi)“水華”并非藻類(lèi)生物量的短時(shí)爆發(fā)，而是藻體上浮和聚集的一種物理遷移過(guò)程，且在“水華”發(fā)生之前，水體藻類(lèi)濃度已遠(yuǎn)超過(guò)水質(zhì)管理標(biāo)準(zhǔn)。可見(jiàn)，與“罕見(jiàn)”的“水華”事件預(yù)測(cè)相比，短時(shí)連續(xù)預(yù)測(cè)對(duì)飲用水源地安全管理更具實(shí)用性。對(duì)此，本文提出了一種短時(shí)預(yù)測(cè)方法，實(shí)現(xiàn)對(duì)河流的藻類(lèi)葉綠素a連續(xù)預(yù)測(cè)。其預(yù)測(cè)原理是:以短期藻類(lèi)生

2、長(zhǎng)相似與基于事例推理(Case-based Reasoning，簡(jiǎn)稱(chēng)CBR)方法的假設(shè)一致性為基礎(chǔ)，將按拉格朗日法劃分的流體單元作為藻體生長(zhǎng)單元，根據(jù)CBR方法的四階段(“4R”)要求構(gòu)建相似要素，包括:相似因子、相似系數(shù)、相似判據(jù)、相似誤差以及多元相似綜合指數(shù)。根據(jù)相似預(yù)測(cè)原理，在同期歷史數(shù)據(jù)中尋找與當(dāng)前藻類(lèi)生長(zhǎng)相似的歷史時(shí)段，并將該歷史時(shí)段的延伸部分作為當(dāng)前預(yù)測(cè)結(jié)果。本文依托于近期歷史數(shù)據(jù)，根據(jù)拉朗格日法構(gòu)建了河流藻類(lèi)葉綠素a單日1

3、2時(shí)預(yù)測(cè)機(jī)理模型，采用L-M率定方法確定最優(yōu)參數(shù)組合和率定時(shí)段，獲得最優(yōu)參數(shù)率定值，將該模型在預(yù)測(cè)時(shí)段內(nèi)的計(jì)算結(jié)果作為預(yù)測(cè)值。本文采用非線性系統(tǒng)混沌分析理論分析了時(shí)葉綠素a觀測(cè)序列，對(duì)主要混沌特征量，包括:嵌入維數(shù)、時(shí)間延遲、關(guān)聯(lián)維數(shù)以及最大Lyapunov指數(shù)進(jìn)行了分析。采用C-C方法同時(shí)估計(jì)嵌入維數(shù)和時(shí)間延遲，采用G-P算法估計(jì)關(guān)聯(lián)維數(shù)，采用Rosenstein方法估計(jì)最大Lyapunov指數(shù)，并根據(jù)最大Lypunov指數(shù)對(duì)時(shí)間序列

4、的最大可預(yù)測(cè)時(shí)長(zhǎng)進(jìn)行估計(jì)。
　　根據(jù)相似預(yù)測(cè)原理分別對(duì)德國(guó)易北河5月1日至8月9日期間(2000、2001年)未來(lái)24～72小時(shí)的時(shí)葉綠素a濃度序列進(jìn)行預(yù)測(cè)。在通過(guò)數(shù)據(jù)預(yù)處理和權(quán)重設(shè)置提高預(yù)測(cè)精度的基礎(chǔ)上，采用了葉綠素a濃度多閾值分段評(píng)價(jià)原則，進(jìn)行了三日河流營(yíng)養(yǎng)化等級(jí)時(shí)變化預(yù)測(cè)，準(zhǔn)確率達(dá)85％。國(guó)內(nèi)外目前類(lèi)似的研究?jī)H采用葉綠素a日均濃度且以單閾值（“水華”預(yù)測(cè)）作為評(píng)判標(biāo)準(zhǔn)，其預(yù)測(cè)準(zhǔn)確率約為83％，預(yù)測(cè)時(shí)長(zhǎng)為2.5～3天。通過(guò)對(duì)比

5、表明該預(yù)測(cè)模型在營(yíng)養(yǎng)化等級(jí)預(yù)估精度及實(shí)時(shí)性上均具有優(yōu)勢(shì)。
　　傳統(tǒng)生長(zhǎng)機(jī)理模型采用的先驗(yàn)參數(shù)無(wú)法反映藻類(lèi)在時(shí)間和空間上生長(zhǎng)異質(zhì)性的特點(diǎn)，因此，本文采用變量參數(shù)建模思想構(gòu)建了河流藻類(lèi)生長(zhǎng)機(jī)理預(yù)測(cè)模型，并采用易北河2000年5月～8月間的時(shí)觀測(cè)序列進(jìn)行了單日12時(shí)預(yù)測(cè)驗(yàn)證。驗(yàn)證結(jié)果表明，通過(guò)選擇合理的率定參數(shù)組合（率定最優(yōu)的5參數(shù)組合）和率定時(shí)段（7天），其預(yù)測(cè)效果要遠(yuǎn)好于機(jī)理模型在先驗(yàn)參數(shù)條件下的預(yù)測(cè)結(jié)果，在高精度預(yù)測(cè)方面（相對(duì)誤差

6、小于±10％）甚至優(yōu)于采用相似原理進(jìn)行的連續(xù)預(yù)測(cè)結(jié)果。該方法為采用機(jī)理模型進(jìn)行河流短期藻類(lèi)預(yù)測(cè)提供了一種新的解決方案。
　　河流藻類(lèi)生長(zhǎng)的高度非線性和藻類(lèi)數(shù)據(jù)的采樣稀疏使藻類(lèi)實(shí)時(shí)預(yù)測(cè)難度增加，其可預(yù)測(cè)時(shí)長(zhǎng)問(wèn)題也鮮有研究報(bào)道。本文采用了混沌分析理論對(duì)易北河1997～2001年的3～9月的時(shí)葉綠素a觀測(cè)序列進(jìn)行了分析。分析結(jié)果顯示河流藻類(lèi)葉綠素a時(shí)間序列具有低維混沌特性，關(guān)聯(lián)維數(shù)D=2.75～4.02。采用同樣混沌分析方法證實(shí)了易北河

7、同時(shí)段的徑流量序列也具有混沌特征(λ1=0.0125)，該結(jié)論與國(guó)內(nèi)一些針對(duì)河流徑流量的研究結(jié)果相近。但目前針對(duì)河流藻類(lèi)葉綠素a序列的混沌特性研究尚無(wú)相關(guān)報(bào)道。本文對(duì)藻類(lèi)葉綠素a濃度和徑流量的最大預(yù)測(cè)時(shí)間進(jìn)行了估計(jì)，各年的時(shí)葉綠素a序列的最長(zhǎng)預(yù)測(cè)時(shí)間變化范圍為8.01～18.94天，平均為13.98天（約2周），與當(dāng)前天氣預(yù)報(bào)的最長(zhǎng)預(yù)報(bào)時(shí)長(zhǎng)相當(dāng)，而徑流量的最長(zhǎng)預(yù)測(cè)時(shí)間估計(jì)約為80天。氣候因素的混沌特性對(duì)藻類(lèi)生長(zhǎng)表現(xiàn)出的混沌特征的影響可能