分层湖库溶解氧时空特性研究进展

溶解氧(DO)是湖库水质管理的关键变量之一,对维持湖库生态系统平衡至关重要。受控于湖库生态、生物地球化学和物理过程的相互作用,湖库DO对气候、地理、富营养化、有机污染、水文及负荷的输入等环境压力反应敏感。随着监测技术的提高、实验分析的多样、模型工具的完善,溶解氧垂向分层机理研究也更加深入。分层湖库的表面温水层因大气复氧、光合作用等的影响DO饱和程度高,变温层DO与受透明度影响的浮游生物呼吸与光合作用、水平和表层等外部物质输入、有机物沉积过程分解等机制有关,DO垂向形态多样,其中变温层DO极小值广泛存在且成因复杂。滞温层缺氧与沉积物、初级生产力、外部输入湖库大小等有关,通过数据分析和模型手段,滞温层DO演变过程得到较好的解释。由于分层湖库影响DO时空分布的因素众多,个别因子或经验公式分析,很难对湖库DO现象做出全面精确的描述,基于机理及过程的数值模型是DO研究中必不可少的工具。针对分层湖库越来越普遍的缺氧现象,为水质和生态环境的改善提出合理的科学措施,提高水库管理,采用原位监测、经验参数、公式和数值模型等手段,揭示湖库溶解氧的演变机理,是需要继续深入研究的课题。     

河流入湖的生化需氧量和溶解氧水质数学模型

本文建立了一个用园柱体极座标系来描述污染河流入湖的生化需氧量(BOD)和溶解氧(DO)的关系,以及考虑底泥释放及耗氧的湖泊水质数学模型。实测资料验证的结果,达到期望的精度。湖泊水质数学模型国内外文献介绍甚多,但用极座标系形式来定量计算入湖污染物的演化特征,在国内尚不多见,因而具有一定的实用价值,可供类似湖泊引用。     

鄱阳湖碟形湖浮游植物群落结构特征及水质健康状况评价

为了解鄱阳湖碟形湖浮游植物结构特征与水质健康状况,于2021年3月对鄱阳湖8个碟形湖采集水样,分析鄱阳湖的水质和浮游植物群落结构,并对浮游植物进行功能群划分。研究区域内共检出6门35种浮游植物,优势种为鱼腥藻(Anabaena spp.)和栅藻(Scenedesmus spp.)。研究区浮游植物可划分为17个功能群,其中A、D、J、MP、N、P、X1、X2和X3功能群出现频率较高,MP为优势功能群。Pearson相关性分析结果显示,ORP、TDS、pH值、DO和NO₃-N是影响鄱阳湖碟形湖浮游植物群落结构的关键环境因子。基于传统综合营养状态指数法得出,各碟形湖TLI(∑)介于3～39.8之间,平均值为17,说明碟形湖水质整体为贫营养状态;基于浮游植物功能群计算Q指数得出,各碟形湖生态指数值介于1.24～4.44之间,平均值为3.79,说明鄱阳湖碟形湖水生态状况整体处于“好”状态。     

江西省鄱阳县典型湖泊浮游植物群落结构变化及分析

为研究典型湖泊浮游植物群落结构及其与环境因子的关系,选取江西省鄱阳县自然湖泊道汊湖、城市景观湖东湖、养殖湖上土湖为研究对象,于2018-2021年每年的春季(5月)、秋季(10月)进行采样。样品分析共鉴定出浮游植物8门73种,浮游植物优势门类均为绿藻门和硅藻门,其次为蓝藻门。道汊湖的主要优势种有色球藻、微囊藻、平裂藻、鱼腥藻、长孢藻;东湖的主要优势种有衣藻、十字藻、盘星藻、色球藻、微囊藻、长孢藻;上土湖的主要优势种有微囊藻、平裂藻、鱼腥藻、长孢藻。研究期间,三个湖泊浮游植物群落结构在不同年份不同季节有显著差异,其变化主要是浮游植物优势种属间再分配。影响道汊湖浮游植物群落结构变化的主要环境因子是温度(WT)、透明度(SD)、溶解氧(DO)、高锰酸盐指数(COD_Mn);影响东湖浮游植物群落结构变化的主要环境因子是SD、TN、TP、COD_Mn;影响上土湖浮游植物群落结构变化的主要环境因子是WT、SD、光照强度、DO、叶绿素a(Chla)。     

基于CNN-LSTM模型的黄河水质预测研究

水质预测是水资源管理和水污染防治的基础性、前提性工作,但黄河流域水质预测研究相对滞后。为了改善LSTM水质预测模型的性能、提高其泛化能力,根据水质变化具有周期性和非线性的特征,以黄河小浪底水库溶解氧含量为研究对象,构建了一种卷积神经网络CNN和长短时记忆网络LSTM结合的CNN-LSTM预测模型,经试验验证,该模型可以高效地提取水质特征信息并进行时间序列预测,预测误差比LSTM模型的更低,其预测值的平均绝对误差和均方根误差分别比LSTM模型的低19.72%和10.44%,对较大值和较小值的预测更为准确,且具有较好的泛化性能。     

基于数据处理与若干群体算法优化的GRU/LSTM水质时间序列预测

为提高水质时间序列预测精度,提出一种基于小波包变换（WPT）和变色龙优化算法（CSA）、猎豹优化（CO）算法和山瞪羚优化（MGO）算法的优化门限循环控制单元（GRU）、长短期记忆神经网络（LSTM）的预测模型。首先利用WPT对pH值、DO、COD_Mn、NH₃—N时间序列进行平稳化处理,得到若干个规律性较强的子序列分量;其次简要介绍了CSA、CO、MGO算法原理,利用CSA、CO、MGO分别寻优GRU、LSTM超参数,建立WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型;最后利用所建立的模型对pH值及DO、COD_Mn、NH₃—N浓度各分量进行预测和重构,并建立WPT-GRU、WPT-LSTM和WPT-CSA-SVM、WPT-CO-SVM、WPT-MGO-SVM模型作对比分析模型,以云南省昆明市观音山断面为例,通过pH值及DO、COD_Mn、NH₃—N浓度预测对模型进行了验证。结果表明：WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型对实例pH值及DO、COD_Mn、NH₃—N浓度的预测精度优于其他对比模型,具有较好的预测效果,其中尤以WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU模型的预测精度最高;CSA、CO、MGO能有效调优GRU、LSTM超参数,显著提高GRU、LSTM预测性能;所构建的6种模型预测精度高且计算规模小,是有效的水质时间序列预测模型,可为相关水质预测研究提供参考。     

双龙湖底泥氮释放强度影响因素正交试验研究

双龙湖是浅水型城市湖泊,一度为重富营养化湖泊。经综合治理其外源污染得到有效控制后,内源污染可能成为湖泊营养物的主要负荷。研究双龙湖限制性营养元素——氮在底泥的释放规律,对修复水体、保持水质具有重要意义,为湖泊内源治理、水环境保持提供科学依据。本文试验分析双龙湖环境因子(温度、pH值、溶解氧、水动力)对底泥总氮释放的影响;通过底泥正交模拟试验测定分析认为温度、溶解氧、pH值、水动力均是影响双龙湖底泥氮释放的显著因素,显著性排序依次为温度>溶解氧>pH值>水动力。     

赣江尾闾碟形湖水体季节性分布特征

碟形湖是鄱阳湖湿地的一类重要组成部分。赣江尾闾(中支)碟形湖分布广泛,地形和鄱阳湖水位变化共同造就了水体空间分布的季节性差异。为进一步了解碟形湖的形态特征和水体的空间分布情况,基于湖区5 m分辨率的数字高程模型提取了碟形湖地形,构建了主要碟形湖的水位-面积-容积曲线,以汛后期潴水型典型年2014年为例,基于Landsat 8遥感影像分析了典型水文时期赣江中支三角洲的碟形湖水体分布变化。结果表明:三角洲上游和下游的碟形湖形态差异明显;碟形湖四周高、中间低、深度较浅的地形特征导致其可以容纳的水量不及2亿m~3;在秋季退水期和冬季枯水期,碟形湖水体占三角洲水体覆盖的70%～90%,是越冬候鸟栖息的重要湿生环境。     

水工建筑物安全监控模型优化分析研究

基于神经网络算法中的LSTM算法,建立水工建筑物安全监控深度模型。从数据处理、网络结构和外延预测3个方面对监控大数据进行优化。结合某水工建筑物实例,验证模型的有效性,从不同角度对比LSTM模型与其他模型在水工建筑物安全监控预测方面的差异。结果表明,LSTM模型不仅能准确预测水工建筑物参数随时间变化的数值和趋势,也能在一定程度上反映参数的波动情况,体现出良好的预测效果。与其他模型相比,深度学习模型可以应用于不同场景,且在同一场景,深度学习预测效果更佳。SRSM、BPNN和LSTM 3个模型中,误差最小的为LSTM模型,误差结果由小到大排序为LSTM、BPNN和SRSM。     

湖泊水体溶解氧含量影响因子研究

特殊的地理气候环境和人为排污,使湖泊进水水体中溶解氧(DO)含量的变化呈现特定的规律性。2009～2010年乌梁素海进水口附近水体的监测分析结果显示:DO含量年内变化趋势为春季高于夏、秋两季;Chl-a与DO正相关,风速与DO成正相关;DO的日变化为周期性波动,0:00时>14:00时>8:00时;在5月初所测的42个溶解氧数据中,有73.8%为大于100%的过饱和值。上述变化是由于水生植物的光合作用和大气复氧的综合作用,使水体中DO含量呈现不同的变化趋势。通过分析确定:研究区DO含量的主导因子为Chl-a浓度与风速,而pH值则为被动因子。     

扬州市典型水体溶解氧的时间分布特征与相关分析

扬州地处江苏中部,境内河湖广布,水系发达,淮河、长江均从境内穿过。随着城市经济建设的快速发展,扬州的河流、湖泊都受到了不同程度的污染。本次基于2009~2013年扬州市高邮湖(郭集)、万福闸下、仪征水厂、四水厂(瓜洲)四个站点的溶解氧浓度实时监测数据,分析了扬州市典型水体的时空分布特征。并探讨了影响水体溶解氧动态分布特征的影响因子,得出溶解氧浓度的影响因子为高锰酸盐指数和氨氮,并分别总结出不同测站的回归方程。多因素相关分析结果显示,高锰酸盐指数、氨氮的含量与水体中的溶解氧浓度呈显著性负相关关系。     

基于 PCA － ＲBF 神经网络的混凝土坝位移趋势性预测模型

为了提高混凝土坝位移趋势的预测精度,提出了一种基于主成分分析( PCA) 和径向基( ＲBF) 神经网络的混凝土坝位移趋势性预测模型( PCA － ＲBF) 。首先,利用主成分分析,将混凝土坝多测点 的径向位移监测数据降维,消除影响分量数据集的多重相关性,分别提取出主元位移和主元影响分 量。然后,把主元位移和主元影响分量输入径向基神经网络并构建模型,对提取出的主元位移进行预 测。最后,将本法应用于某混凝土坝,结果表明,PCA － ＲBF 模型的均方根误差( ＲMSE) ,平均绝对 误差( MAE) 和平均绝对百分比误差( MAPE) 分别为 2. 037 8 mm,1. 698 6 mm 和 3. 32% ,显著低于传 统的多元回归统计模型、径向基神经网络模型( ＲBF) 和利用经主成分分析进行因子处理的 BP 神经网 络模型( PCA － BP) ,说明 PCA － ＲBF 模型有着良好的预测精度。     

Seq2Seq 模型的短期水位预测

为有效预测未来一定时间内的连续水位,提出了基于序列到序列(Seq2Seq) 的短期水位预测模型,并使用一个长短期记忆神经网络(LSTM)作为编码层,将历史水位序列编码为一个上下文向量,使用另一个LSTM 作为解码层,将上下文向量解码来预测目标水位序列。以流溪河为研究对象,针对不同预测长度分别建立水位预测模型,并与LSTM 模型和人工神经网络(ANN)模型进行了对比。结果表明:Seq2Seq 模型对连续6 h、12 h 和24 h 水位预测的纳什效率系数最高分别为0.93、0.90和0.85;当预测长度为6 h 时,LSTM 和Seq2Seq 模型预测结果相似,ANN 模型精度较低;当预测长度为12 h 和24 h 时,Seq2Seq 模型相比LSTM 模型和ANN 模型预测效果更好,收敛速度更快。     

基于改进LSTM模型的三峡水库蓄水对洞庭湖水位影响的空间异质性分析

针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题,从模型结构和参数优选两方面进行改进。结构方面,在LSTM模型前加入具有多层结构的神经网络层;参数优选方面,采用多层网格搜索法选取模型参数。以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例,与传统的LSTM模型、BP神经网络及水动力模型相比,改进型LSTM模型平均均方根误差分别减少58.80%、65.95%、44.14%;从预测计算时间来看,改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12%,且明显少于水动力模型,总体来看改进型LSTM模型的整体性能优于其他三种模型。将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上,结果表明：三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性,城陵矶站受其影响最为显著,其次为东洞庭湖鹿角站和西洞庭湖南咀站,南洞庭湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站...     

基于随机森林算法的水华预警模型

针对湖泊水华预警模型中的数据具有噪声较复杂和非线性的特点,而传统预警方法难以解决稳健性差和过度拟合等问题,采用机器学习分类算法——随机森林,根据叶绿素a的浓度判断水华是否发生,选取水温(T)、p H值、氮磷比(TN∶TP)、化学需氧量(COD)、总氮(TN)、总磷(TP)作为影响因子,构建基于随机森林分类算法的稳健性较好、泛化性能强、实用性强的水华预警模型。选取太湖西半湖作为研究区域进行实例分析,结果表明:该模型预测精度达到91.67%,泛化误差小,能够有效进行短期预测;在水华发生的各个影响因子中,总磷和总氮是相对重要的影响因子。     

基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究

渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解-重构-组合”的思想构建了土石坝渗压预测的EEMD-LSTM-ARIMA模型。首先采用集合经验模态分解(EEMD)对时间序列特征进行提取,根据长短期记忆神经网络(LSTM)对提取出的特征分量进行预测,同时结合差分自回归移动平均方法(ARIMA)进行残差修正,组合LSTM和ARIMA的预测结果,重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例,选取主河床坝体防渗墙后2个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明：相较于单一的LSTM模型和ARIMA模型,改进模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中的最小值,预测精度明显优于另外2种模型,该模型为土石坝渗压的精确预测分析提供了新途径。     

水华暴发叶绿素-a与表征指标溶解氧和pH的关系

在连续监测的条件下,测量并记录叶绿素、溶解氧、pH、蓝绿藻数量等表征指标,通过各指标的相互关系分析,找出内在的规律,从而为水华的暴发提供预测.叶绿素与溶解氧叶绿素和pH、pH和溶解氧(DO)之间存在明显的正相关,相关系数R分别为0.83、0.80和0.94.同时发现可利用△pH、△DO预测水华的暴发.     

基于组合权重-集对分析理论的城市湖泊水质评价模型——以玄武湖为例

全面准确地进行水质评价是城市湖泊有效治理的前提。研究基于组合权重-集对分析理论，以溶解氧(DO)、氨氮(NH₃-N)、总磷(TP)、总氮(TN)为评价指标，利用综合层次分析法和熵权法确定指标权重，选择六元联系数，建立了适用于玄武湖的水质评价模型。结果表明，玄武湖的水质尚未完全达到Ⅳ类水标准，与传统评价方法(单因子评价法、主成分分析法)相比，采用基于组合权重-集对分析理论的城市湖泊水质模型开展评价工作时，可通过主客观相结合的方法综合考虑多种指标，且能对同一片湖区不同区域的同一等级水质的进一步发展趋势进行分析，从而完成更为全面细致的水质评价工作，为后续城市湖泊分区治理提供更为可靠的依据。     

碟形湖在鄱阳湖湿地生态系统的作用和意义

"碟形湖"是指鄱阳湖湖盆区内枯水季节显露于洲滩之中的季节性子湖泊,具有特殊的地貌特征和水文特性、复杂多变的湿地景观和丰富的生物多样性等特征.在碟形湖及其周边,湿生与水生植物群落有序分布、季节性演替;静水水域有利于底栖动物和鱼类生长育肥;缓慢下降的水位、逐渐伸展的泥滩为越冬候鸟持续提供丰富的食物和歇息环境,全湖80%以上的水鸟在碟形湖区域越冬.高低不一、分布广泛的碟形湖群有效地缓解了干旱、洪水灾害对鄱阳湖湿地生态系统的冲击,对于维护全球生态系统的完整性和生物多样性具有重要作用.最后提出了加强碟形湖保护和管理的对策.     

基于多种学习方案LSTM的信江流域径流预测

长短期记忆神经网络(LSTM)在径流预测中具有广泛应用,不同的输入使神经网络具有不同的学习方案,从而影响到模型性能。设置3种不同的LSTM学习方案,以前期径流预测当日径流(方案一)、以前期降雨预测当日径流(方案二)和以前期径流和前期降雨预测当日径流(方案三),比较其在相同模型结构下对信江流域丰水期和枯水期径流预测的性能。结果表明,丰水期和枯水期时方案三拟合度最高,平均绝对误差为0.012 6和0.007 6,纳什效率系数为0.94和0.96,对于信江流域基于LSTM的日径流预测,应当将前期降雨与前期径流结合起来作为模型输入。研究对基于数据驱动的径流预测输入集数据的选取有参考价值。