撫仙湖藻類水華暴發(fā)風險的神經(jīng)網(wǎng)絡(luò)模型預(yù)測

李 杰，張玲芬

（1.云南省環(huán)境科學研究院，云南省高原湖泊流域污染過程與管理重點實驗室，云南昆明650034；2.玉溪市撫仙湖生態(tài)環(huán)境保護工程管理中心，云南玉溪653100）

撫仙湖藻類水華暴發(fā)風險的神經(jīng)網(wǎng)絡(luò)模型預(yù)測

李 杰1，張玲芬2

（1.云南省環(huán)境科學研究院，云南省高原湖泊流域污染過程與管理重點實驗室，云南昆明650034；2.玉溪市撫仙湖生態(tài)環(huán)境保護工程管理中心，云南玉溪653100）

使用神經(jīng)網(wǎng)絡(luò)模型預(yù)測水質(zhì)符合不同國家水質(zhì)標準的撫仙湖藻類生物量。當撫仙湖水質(zhì)符合國家水質(zhì)Ⅰ類標準時，浮游植物生物量預(yù)測值是40.19×104cell／L，幾乎不存在水華暴發(fā)風險。當水質(zhì)符合國家水質(zhì)Ⅱ類標準時，浮游植物生物量預(yù)測值是79.51×104cell／L，水華暴發(fā)風險較小。撫仙湖水質(zhì)降至Ⅲ類甚至劣于Ⅲ類時，浮游植物生物量預(yù)測值高于800.12×104cell／L，生物量預(yù)測值極高，存在較大的水華暴發(fā)風險。

神經(jīng)網(wǎng)絡(luò)模型；水華暴發(fā)；風險；預(yù)測；撫仙湖

撫仙湖是我國水質(zhì)最好的淡水湖泊之一。作為云南省社會經(jīng)濟發(fā)展的集中區(qū)域，撫仙湖承受的環(huán)境壓力日益凸顯，湖泊富營養(yǎng)化進程加快。湖泊富營養(yǎng)化多伴隨有藻類水華的發(fā)生。準確預(yù)測藻類水華的發(fā)生過程，將水華暴發(fā)風險降至最低，對湖泊藻類水華的控制及生態(tài)環(huán)境的治理具有重大現(xiàn)實意義。

人工神經(jīng)網(wǎng)絡(luò)模型（Artificial Neural Networks）是較好的藻類水華預(yù)測工具。它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學模型。神經(jīng)網(wǎng)絡(luò)包括輸入神經(jīng)元和輸出神經(jīng)元，輸入和輸出神經(jīng)元之間通過 “學習”連接。 “學習”是通過調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值使得網(wǎng)絡(luò)的實際輸出和期望輸出一致，達到處理信息的目的。本研究使用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測國家地表水質(zhì)標準下的撫仙湖藻類生物量，分析撫仙湖藻類水華暴發(fā)的風險，為高原湖泊藻類水華的控制和治理提供理論依據(jù)和技術(shù)支撐。

1 材料與方法

1.1 區(qū)域概況

撫仙湖是位于中國云南省的高海拔淡水湖泊，是我國目前已知的第二深水湖泊。撫仙湖位于云南省玉溪市澄江、江川、華寧三縣間，距離昆明市約70km。其經(jīng)緯度為24°21′N～24° 38′N，102°49′E～102°58′E。撫仙湖流域范圍涉及玉溪市澄江、江川、華寧3縣7個鄉(xiāng)鎮(zhèn)，流域面積67469km2。

撫仙湖是珠江源頭第一大湖，屬南盤江水系，屬南北向的斷層溶蝕湖泊，湖泊面積211km2，最深水深l55m，平均水深87m。容水量2.066×1010m3，占云南高原淡水湖泊總儲量的65.7%［1］。其上游與星云湖通過隔河相連，兩湖相距2km，相對高差1m左右。撫仙湖年平均水位1721.12m，最高水位1722.0m，最低水位1720.5m，理論換水周期為167年［2］。撫仙湖主要靠降雨和湖周徑流補給，屬降水補給型湖泊。撫仙湖流域年平均徑流量為1.6092×108m3，最大徑流量為2.793×108m3，最小徑流量為5.442×107m3［3］。

截至2013年12月，撫仙湖的水質(zhì)符合國家地表水I類水質(zhì)標準（云南省環(huán)境水質(zhì)月報，2013），屬貧營養(yǎng)型湖泊。湖區(qū)既是云南著名的風景旅游區(qū)，又是當?shù)鼐用竦闹饕嬘盟?，具有防洪、灌溉、漁業(yè)、旅游、生活用水及工業(yè)用水等綜合功能。

1.2 采樣站位

項目在撫仙湖入水口、出水口、兩湖連接處、重污染區(qū)等敏感區(qū)域選定9個采樣點位 （圖1）。采樣頻次為2012年4月、2012年7月、2012年10月、2013年1月、2013年4月、2013年7月，共計6次。

1.3 分析方法

水質(zhì)樣品采樣方法根據(jù)《HJ494－2009水質(zhì)采樣技術(shù)指導》的要求，在已確定采樣的點位按規(guī)定要求的技術(shù)進行湖泊水樣采集。總氮、總磷、高錳酸鹽指數(shù)、氨氮實驗室測定指標依據(jù)表1中的方法和設(shè)備進行測試分析。

藻生物量采樣使用采樣桶采集水樣，注入1L采樣瓶中。將2～3m L魯哥氏液（Lugol's碘液，1%／5%）滴入采樣瓶，將浮游植物沉淀。靜置48h后，將上清液吸走，保留濃縮液，使用量筒測量濃縮液體積V1。使用移液器吸取50μL的濃縮液置于載玻片上，蓋上蓋玻片后，置于顯微鏡下統(tǒng)計計數(shù)。鏡下鑒定統(tǒng)計整個50μL濃縮液中的浮游植物細胞數(shù)量C1。計算整個水體中的浮游植物細胞濃度公式為：C＝（C1×V1）／（50×10－3）。

表1 水質(zhì)檢測方法及主要檢測儀器設(shè)備

2 結(jié)果與討論

2.1 神經(jīng)網(wǎng)絡(luò)層次設(shè)計

運用神經(jīng)網(wǎng)絡(luò)系統(tǒng)軟件QNET 3.0預(yù)測撫仙湖藻類生物量。

神經(jīng)網(wǎng)絡(luò)設(shè)置4個分析層次 （圖2），第一層次為輸入層，設(shè)置4個輸入神經(jīng)元細胞；第二層次為結(jié)構(gòu)層，設(shè)置3個訓練神經(jīng)元細胞；第三層次為結(jié)構(gòu)層，設(shè)置2個訓練神經(jīng)元細胞；第四層次為輸出層，設(shè)置1個輸出神經(jīng)元細胞。

鏈接神經(jīng)元的函數(shù)設(shè)為非線性函數(shù)Sigmoid，公式為f（χ）

本研究中使用撫仙湖6個季度的水環(huán)境和藻類生物量數(shù)據(jù)作為學習準則。以總氮、總磷、高錳酸鹽指數(shù)、氨氮作為輸入層神經(jīng)元數(shù)據(jù)，藻生物量作為輸出層神經(jīng)元數(shù)據(jù) （表2）。訓練神經(jīng)網(wǎng)絡(luò)，得到成熟的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

表2 神經(jīng)元細胞選擇指標

2.2 預(yù)測數(shù)據(jù)選擇

使用國家地表水質(zhì)標準中的I類、II類、III類、IV類、V類水質(zhì)標準中總氮、總磷、高錳酸鹽指數(shù)、氨氮參數(shù)作為預(yù)測數(shù)據(jù)的輸入神經(jīng)元（表3）。將預(yù)測數(shù)據(jù)輸入訓練成熟的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，得到輸出神經(jīng)元浮游植物生物量。

表3 神經(jīng)網(wǎng)絡(luò)預(yù)測輸入數(shù)據(jù)（mg／L）

2.3 結(jié)果與討論

撫仙湖浮游植物生物量神經(jīng)網(wǎng)絡(luò)預(yù)測值見表4。當國家水質(zhì)標準是Ⅰ類時，浮游植物生物量預(yù)測值是40.19×104cell／L。當國家水質(zhì)標準是Ⅱ類時，浮游植物生物量預(yù)測值是79.51×104cell／L。當國家水質(zhì)標準是Ⅲ類時，浮游植物生物量預(yù)測值是800.12×104cell／L。當國家水質(zhì)標準是Ⅳ類時，浮游植物生物量預(yù)測值是800.41×104cell／L。當國家水質(zhì)標準是Ⅴ類時，浮游植物生物量預(yù)測值是800.47×104萬cell／L。

表4 撫仙湖浮游植物生物量神經(jīng)網(wǎng)絡(luò)預(yù)測值

神經(jīng)網(wǎng)絡(luò)的預(yù)測參數(shù)見表5和圖3。標準離差為154.31，乖離率為－0.81405，最大誤差為390.5036，相關(guān)性是0.73887。預(yù)測結(jié)果符合統(tǒng)計學意義。

表5 神經(jīng)網(wǎng)絡(luò)計算參數(shù)

由于撫仙湖是貧營養(yǎng)湖泊，水質(zhì)符合地表水Ⅰ類水質(zhì)。在撫仙湖神經(jīng)網(wǎng)絡(luò)預(yù)測中，訓練神經(jīng)網(wǎng)絡(luò)時使用的數(shù)據(jù)均為撫仙湖處于Ⅰ類、Ⅱ類水質(zhì)時的數(shù)據(jù)，訓練得到的神經(jīng)網(wǎng)絡(luò)對Ⅰ類、Ⅱ類和Ⅲ類水質(zhì)時的結(jié)果較成熟。由于缺乏Ⅳ類和Ⅴ類水質(zhì)下的神經(jīng)網(wǎng)絡(luò)訓練數(shù)據(jù)，Ⅳ類和Ⅴ類水質(zhì)下的浮游植物生物量預(yù)測值與Ⅲ類水質(zhì)差異不大，Ⅳ類和Ⅴ類水質(zhì)下的預(yù)測結(jié)果不成熟，存在誤差。

同為高海拔湖泊，滇池 （外海）營養(yǎng)狀態(tài)為中度富營養(yǎng)，水質(zhì)屬劣Ⅴ類，浮游植物水華連年暴發(fā)。在11月至次年1月浮游植物休眠期，水體浮游植物生物量達1000～2000萬cell／L；在8月水華暴發(fā)期，水體浮游植物生物量高達15000萬cell／L［4］。洪澤湖和駱馬湖的水華風險評估表明［5］，水質(zhì)在Ⅳ類或Ⅳ類以上，浮游植物細胞濃度100～500萬cell／L時，水華可能發(fā)生，預(yù)警等級為初級；水質(zhì)在Ⅳ類或Ⅳ類以上，浮游植物細胞濃度500～1000萬cell／L時，水華發(fā)生可能性較高，預(yù)警等級為中級；水質(zhì)在Ⅳ類或Ⅳ類以上，浮游植物細胞濃度在1000萬cell／L以上時，水華發(fā)生可能性極高，預(yù)警等級為強。因此，撫仙湖達到Ⅲ類或劣于Ⅲ類水質(zhì)時，存在較大的水華暴發(fā)風險。

3 結(jié)論

神經(jīng)網(wǎng)絡(luò)預(yù)測撫仙湖浮游植物生物量，當撫仙湖水質(zhì)符合國家水質(zhì)Ⅰ類標準時，浮游植物生物量預(yù)測值是40.19×104cell／L，幾乎不存在水華暴發(fā)風險。當水質(zhì)符合國家水質(zhì)標準Ⅱ類時，浮游植物生物量預(yù)測值是79.51×104cell／L，水華暴發(fā)風險較小。撫仙湖水質(zhì)降至III類甚至劣于III類時，浮游植物生物量預(yù)測值高于800.12×104cell／L，生物量預(yù)測值極高，存在較大的水華暴發(fā)風險。

參考文獻：

［1］黎尚豪，俞敏娟.云南高原湖泊調(diào)查 ［J］.海洋與湖沼，1963，5（2）：87－114.

［2］王建云，普發(fā)貴.撫仙湖垂向水質(zhì)狀況及特征研究 ［J］.玉溪師范學院學報，2003（19）：53－58.

［3］王蘇民，竇鴻生.中國湖泊志 ［M］.北京：科學出版社，1998.

［4］Li J.，Duan C.Q.，Yang F.L..Relationship between Phytoplankton and Nutrient Dynamics in the Enclosed Waterbody，Dianchi Lake.Advanced Materials Research［J］.2013（779）：1514－1517.

［5］楊剛，李國，胡瑾.洪澤湖、駱馬湖富營養(yǎng)化評價及 “水華”發(fā)生風險等級評估［J］.治淮，2010（12）：31－35.

Prediction of the Phytop lankton Bloom in Fuxian Lake by Artificial Neural Network

LIJie1，ZHANG Ling－fen2
（1.Yunnan Institute of Environmental Science，Yunnan Key Laboratory of Pollution Process and Management of Platrau Lake－watershed，Kunming Yunnan 650034，China）

The artificial neural network was used to predict the phytoplankton biomass of Fuxian Lake in different scenarios based on Chinese national water quality standards.The prediction results showed that a low biomass was 40.19×104cell／L when water quality of the lake accorded withⅠclass of the national water quality standard，which had no risk of algal bloom.The phytoplankton biomasswas79.51×104cell／L when thewater quality accorded withⅡclass.It has little risk of algal bloom.However，a significanthigh abundance of phytoplankton biomasswas predicted to 800.12×104cell／L when the water quality was belowⅢclass，which implied a big risk of the algal bloom.

artificial neural network；algal bloom；risk；predict；Fuxian Lake

X52

：A

：1673－9655（2015）06－0004－04

2015－05－12

云南省環(huán)境保護廳 “云南省生物多樣性保護專項《瀘沽湖、洱海、撫仙湖三大高原湖泊水生態(tài)調(diào)查與評估》項目?！?/p>

李杰 （1983－），女，博士，工程師，研究方向為湖泊污染控制及生態(tài)修復(fù)。