本文選題：海河干流　切入點：葉綠素濃度　出處：《水利水電技術(shù)》2017年11期 　論文類型：期刊論文

【摘要】：為實時預(yù)測海河干流水體藻華的暴發(fā)時段及影響程度,提高環(huán)境管理部門決策能力,以海河干流段典型斷面的水質(zhì)在線監(jiān)測及氣象站高頻、實時數(shù)據(jù)為基礎(chǔ),基于BP神經(jīng)網(wǎng)絡(luò),以實時葉綠素濃度、氣溫、光照強度和氣壓四項指標為輸入變量,建立了葉綠素濃度日變化量的預(yù)測模型,對海河干流大光明橋處水域葉綠素濃度隨時間的變化進行預(yù)測。結(jié)果表明:對海河干流葉綠素濃度短時預(yù)測影響較大的因素依次為溶解氧(葉綠素)、氣溫、光照強度、氣壓、降雨、電導(dǎo)率、相對濕度;預(yù)測時長越短,預(yù)測精度越高。當預(yù)測時長分別為24 h、12 h、6 h時,Nash效率系數(shù)分別為0.77、0.85、0.93,預(yù)報誤差的標準誤差分別為5.7μg/L、4.6μg/L、3.1μg/L;12 h內(nèi)的預(yù)測精度可滿足海河河道藻華預(yù)警的實際需求,為其短期預(yù)警提供了數(shù)據(jù)支撐。
[Abstract]:In order to predict the outbreak period and influence degree of algal blooms in Haihe River main stream in real time, and improve the decision-making ability of environmental management department, based on the on-line monitoring of water quality of typical sections of Haihe River and the high frequency and real time data of meteorological stations, BP neural network was used. A prediction model of diurnal variation of chlorophyll concentration was established with real-time chlorophyll concentration, temperature, light intensity and pressure as input variables. The variation of chlorophyll concentration with time at Daguang Bridge of main stream of Haihe River is predicted. The results show that the factors that influence the short-term prediction of chlorophyll concentration in the main stream of Haihe River are dissolved oxygen (chlorophyll), temperature, light intensity, pressure, etc. Rainfall, conductivity, relative humidity; shorter prediction time, The higher the prediction accuracy is, the higher the prediction accuracy is, when the prediction time is 24 h / 12 h / 6 h respectively, the Nash efficiency coefficient is 0.77 / 0. 85 / 0. 93 and the standard error of prediction error is 5. 7 渭 g / L / L ~ (4.6) 渭 g / L ~ (-1) / L ~ (-1) 3 渭 g / L ~ (-1) / L ~ (-1) / L ~ (12) h respectively, which can meet the actual demand for early warning of algal blooms in Haihe River. For its short-term warning to provide data support.
【作者單位】： 天津大學(xué);天津市環(huán)境監(jiān)測中心;天津市環(huán)境保護科學(xué)研究院;三峽大學(xué);
【基金】：國家“十二五”水體污染控制與治理科技重大專項“海河干流水環(huán)境質(zhì)量改善關(guān)鍵技術(shù)與綜合示范”(2014ZX07203-009)
【分類號】：TP183;X522

【相似文獻】

相關(guān)期刊論文 前10條

1 陳楚群,施平,毛慶文;南海海域葉綠素濃度分布特征的衛(wèi)星遙感分析[J];熱帶海洋學(xué)報;2001年02期

2 鄭小慎;李桂菊;;渤海灣春季葉綠素濃度分布及環(huán)境要素的影響[J];海洋技術(shù)學(xué)報;2014年02期

3 黃耀歡;江東;莊大方;付晶瑩;;湯遜湖水體葉綠素濃度遙感估測研究[J];自然災(zāi)害學(xué)報;2012年02期

4 趙騫,田紀偉,趙仕蘭,吳自庫;渤海冬夏季營養(yǎng)鹽和葉綠素a的分布特征[J];海洋科學(xué);2004年04期

5 龔珍;卜曉波;李曄;陳錦鳳;;東湖水體葉綠素濃度的遙感反演研究[J];安徽農(nóng)業(yè)科學(xué);2013年11期

6 陳思佳;蘇德榮;勾玉瑩;曹軍;曹忠貴;;高爾夫球場水域藍藻密度和葉綠素濃度變化——以北京疊泉高爾夫球場為例[J];環(huán)境科學(xué)與技術(shù);2013年S1期

7 段洪濤;張柏;宋開山;王宗明;張樹清;;查干湖葉綠素a濃度高光譜定量模型研究[J];環(huán)境科學(xué);2006年03期

8 呂云峰;;水中葉綠素濃度偏振反射光譜特性研究[J];長春師范學(xué)院學(xué)報(自然科學(xué)版);2010年06期

9 矯曉陽;葉綠素α預(yù)報赤潮原理探索[J];海洋預(yù)報;2004年02期

10 顧亮;張玉超;錢新;錢瑜;;遙感指數(shù)在湖泊葉綠素a反演研究中的應(yīng)用[J];環(huán)境保護科學(xué);2008年02期

相關(guān)會議論文 前4條

1 魯韋坤;謝國清;;MODIS監(jiān)測滇池葉綠素a分布的遙感影像融合研究[A];中國氣象學(xué)會2008年年會衛(wèi)星遙感應(yīng)用技術(shù)與處理方法分會場論文集[C];2008年

2 王昭洋;施彥;王小藝;白玉廷;許繼平;王立;;基于決策樹與BP神經(jīng)網(wǎng)絡(luò)的信息檢索在水華治理決策中的應(yīng)用[A];2014中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會（第三章）[C];2014年

3 朱世平;劉載文;王小藝;戴軍;;基于灰色-BP神經(jīng)網(wǎng)絡(luò)的水華預(yù)測方法[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

4 荀尚培;詹萬志;范偉;;MODIS巢湖水體葉綠素a濃度監(jiān)測研究[A];中國氣象學(xué)會2006年年會“衛(wèi)星遙感技術(shù)進展及應(yīng)用”分會場論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 李淵;基于數(shù)據(jù)同化的太湖葉綠素濃度遙感估算[D];南京師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 馬驊;高濁度長江河口水色三要素的光學(xué)特征及其對TSM反演的影響[D];華東師范大學(xué);2015年

2 龐卉芳;藻類水體離水輻射光譜的熒光偏振識別研究[D];大連海事大學(xué);2017年

3 呂云峰;水中葉綠素二向性與偏振反射光譜特性的對比研究[D];東北師范大學(xué);2007年

4 肖明;葉片茸毛對城市植被葉綠素含量反演的影響[D];東北師范大學(xué);2013年

5 趙迪;海水葉綠素a實時監(jiān)測系統(tǒng)的研究[D];燕山大學(xué);2012年

6 薛士瓊;基于BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測及可視化的實現(xiàn)[D];天津大學(xué);2016年

7 曲元;海洋污染水體的衛(wèi)星遙感監(jiān)測方法研究[D];大連海事大學(xué);2000年

8 商云龍;基于BP神經(jīng)網(wǎng)絡(luò)的垃圾焚燒故障診斷的方法研究[D];北京化工大學(xué);2006年

9 程玉欣;海水葉綠素現(xiàn)場檢測儀的研制與性能研究[D];河北科技大學(xué);2013年

10 王瑞;基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的污水處理水質(zhì)預(yù)測研究[D];華南理工大學(xué);2012年

，

本文編號：1625575