智能算法在湖库富营养化预测中的应用研究综述.pdfVIP

第28卷第8期 水电能源科学 V01．28No．8 201 WaterResourcesandPower 010 0年8月 Aug．2 文章编号：1000一7709(2010)08一0033—05 智能算法在湖库富营养化预测中的应用研究综述 易仲强 (三峡大学水利与环境学院，湖北宜昌443002) 摘要：针对智能算法对非线性问题具有卓越的学习和模拟预测能力，综述了应用人工神经网络、支持向量机、 遗传算法和粒子群算法等智能算法预测富营养化研究进展，指出随智能算法自身的不断完善与富营养化机 理的深入研究，组合智能算法、数值法一智能算法的耦合算法将是模拟预测湖库富营养化的合理发展方向。 关键词：智能算法I富营养化；模拟预测；优化；综述 中图分类号：TV697；X524；TPl83 文献标志码：A 境、化学组分、水生生物三者的相互影响在预测模 1 问题的提出 型中亦未很好体现，且模型中大量待定参数限制 了模型的运用范围，机理型模型的完善程度与预 湖库富营养化是指在自然因素与人类活动的 测精度并不令人满意，因此湖库富营养化智能预 影响下，大量营养盐输入水体，使湖库逐步由贫营 测日益受到广泛关注。本文基于国内外的相关研 养状态向富营养状态变化的一种过程。据统计， 究结果，介绍了湖库富营养化预测的主要方法，综 我国目前66％以上的湖库处于富营养化水平，其 述了应用人工神经网络、支持向量机、遗传算法和 中重富营养和超富营养的占22％[1]，水体富营养粒子群算法等智能算法预测富营养化的研究进 化已严重威胁渔业生产、饮用水质量及生态安全 展，并提出尚需深入研究的建议。 等诸多方面。湖库富营养化预测是基于掌握的资 料及监测数据估计和推测未来富营养化发展趋 2智能算法在富营养化预测中的应用 势，其目的在于掌握富营养化现状及其发展变化、 分析判断事故原因及危害性，并为开展水环境质 对于藻类大量繁殖等具有高度非线性和突变 量评价、预测预报及管理提供基础数据和参考。 性的生态活动，基于神经网络等智能方法模拟预 因此，对湖库富营养化进行预测已成为水生态与 测浮游植物的生长及繁殖的富营养化建模预测， 环境研究领域的重要组成部分。 能将藻类水华发生时间与程度预测到一个合理的 湖库富营养化预测主要通过考察与分析湖库 范围内阳]，揭示了藻类动态变化的内在规律，并模 浮游藻类变化与营养盐、环境条件等影响因子间 拟了非线性过程，为富营养化模拟预测提供了一 的关系，构建湖库营养状态与影响因子间数量关 种有效途径。 系的预测模型，并通过未来影响因素的变化预测 2．1人工神经网络(ANN) 湖库营养状态的变化趋势。自20世纪70年代初 ANNC3]作为一种富营养化预测方法，主要通 期以来就对湖库富营养化预测进行了大量研究， 过其能学习待预测指标及其影响因子的历史数据 按预测模型有回归模型、营养盐模型、浮游植物 间的非线性因果映射关系与未来影响因子值定量 生态模型、生态动力学模型、人工神经网络模型 预测富营养化指标的变化。ANN模型理论应用 等乜叫]。但由于富营养化的形成过程存在很多不 于富营养化预测主要有BP和RBF神经网络。．、 确定因素，并呈高度的非线性映射关系[6]，因此湖 库的富营养化趋势预测仍有许多难度。目前，多 络，构造了层叠结构的BP神经网络模型预测日 数机理模型预测不确定因素简