基于擬合算法的池塘水華預(yù)測(cè)模型的建立與研究

常世杰　楊欣宇　武振東

基于擬合算法的池塘水華預(yù)測(cè)模型的建立與研究

常世杰1楊欣宇1武振東2

（1.佳木斯大學(xué)信息電子技術(shù)學(xué)院黑龍江佳木斯154007；2.河南農(nóng)業(yè)大學(xué)植物保護(hù)學(xué)院河南鄭州450046）

在我國(guó)水產(chǎn)養(yǎng)殖中，池塘養(yǎng)殖約占淡水養(yǎng)殖的70%，隨著水體富營(yíng)養(yǎng)化程度加劇，水華現(xiàn)象出現(xiàn)概率逐漸升高，水華的暴發(fā)對(duì)池塘養(yǎng)殖業(yè)是一個(gè)嚴(yán)重打擊。文章以池塘水體中的氮元素、磷元素為檢測(cè)核心，借助Matlab灰色關(guān)聯(lián)分析和擬合算法，篩選出最能反映池塘中藻類(lèi)數(shù)量的指標(biāo)，并組建該指標(biāo)的預(yù)測(cè)系統(tǒng)，間接反映池塘中藻類(lèi)變化趨勢(shì)，從而實(shí)現(xiàn)對(duì)池塘水華現(xiàn)象暴發(fā)的提前預(yù)測(cè)，降低水產(chǎn)養(yǎng)殖業(yè)的風(fēng)險(xiǎn)和水產(chǎn)養(yǎng)殖人員的工作量。

水體氮磷檢測(cè)；藻類(lèi)統(tǒng)計(jì)；灰色關(guān)聯(lián)分析；擬合算法；水華預(yù)警

隨著可持續(xù)發(fā)展戰(zhàn)略的提出，國(guó)家和人民更加注重生態(tài)文明建設(shè)，生態(tài)文明建設(shè)是關(guān)系民族未來(lái)的大計(jì)。當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)逐步調(diào)整，轉(zhuǎn)向綠色低碳發(fā)展，水產(chǎn)養(yǎng)殖業(yè)作為一種綠色低碳產(chǎn)業(yè)，在我國(guó)鄉(xiāng)村振興中起著無(wú)可替代的作用，是我國(guó)農(nóng)業(yè)的重要組成部分。水產(chǎn)養(yǎng)殖中最令養(yǎng)殖戶們擔(dān)心的便是“綠水”，“綠水”作為水產(chǎn)養(yǎng)殖中常見(jiàn)的一種災(zāi)害，對(duì)水產(chǎn)養(yǎng)殖業(yè)造成的損失較大，其產(chǎn)生主要依托于水體中氮、磷元素增多，造成水體富營(yíng)養(yǎng)化，使藻類(lèi)迅速大量繁殖，不僅會(huì)對(duì)水產(chǎn)養(yǎng)殖業(yè)的水產(chǎn)品安全造成影響，同時(shí)會(huì)產(chǎn)生有毒氣體以及有害物質(zhì)對(duì)水體產(chǎn)生污染，長(zhǎng)此以往會(huì)影響到養(yǎng)殖人員及周?chē)用竦纳眢w健康。水產(chǎn)養(yǎng)殖中降低水華現(xiàn)象的發(fā)生概率是水產(chǎn)養(yǎng)殖成功的關(guān)鍵。水華的產(chǎn)生依托于水體中的氮、磷元素含量，因此需要定期進(jìn)行水質(zhì)檢測(cè)，池塘水質(zhì)是否符合標(biāo)準(zhǔn)決定著水產(chǎn)養(yǎng)殖的未來(lái)發(fā)展?fàn)顩r好壞。

本研究初步試驗(yàn)檢測(cè)池塘水體中各氮、磷鹽等指標(biāo)，同時(shí)檢測(cè)池塘中的藻類(lèi)數(shù)量。由于藻類(lèi)統(tǒng)計(jì)相較于水質(zhì)檢測(cè)較麻煩，故在初次檢測(cè)后根據(jù)不同指標(biāo)與藻類(lèi)數(shù)量的變化關(guān)系，在眾多指標(biāo)中篩選出與藻類(lèi)數(shù)量相關(guān)性較大的指標(biāo)，以該指標(biāo)作為依據(jù)進(jìn)行水體中藻類(lèi)未來(lái)發(fā)展趨勢(shì)的預(yù)測(cè)，日后以水質(zhì)檢測(cè)代替藻類(lèi)數(shù)量的統(tǒng)計(jì)，消除水產(chǎn)養(yǎng)殖者因藻類(lèi)統(tǒng)計(jì)過(guò)于麻煩帶來(lái)的煩惱。水產(chǎn)養(yǎng)殖者僅需定期對(duì)水體中已篩選出的指標(biāo)進(jìn)行檢測(cè)，并依據(jù)已有數(shù)據(jù)做好對(duì)未來(lái)氮、磷元素增長(zhǎng)的預(yù)測(cè)，參考預(yù)測(cè)結(jié)果便可降低水華現(xiàn)象發(fā)生的概率[1]。

1 水華誘因分析

水華現(xiàn)象是困擾大多數(shù)水產(chǎn)養(yǎng)殖者多年的難題，一旦發(fā)生，藻類(lèi)的大量繁殖會(huì)使池水的含氧量降低，致使水下生物的生長(zhǎng)受到威脅，將會(huì)對(duì)水產(chǎn)養(yǎng)殖業(yè)造成影響，水產(chǎn)品的品質(zhì)和安全將無(wú)法得到保證[2]。正所謂“凡事預(yù)則立，不預(yù)則廢”，最佳的做法便是提前預(yù)測(cè)水華現(xiàn)象的發(fā)生，并采取相應(yīng)措施來(lái)杜絕水華對(duì)池塘的侵襲。要做到先發(fā)制人，必須要懂得水華產(chǎn)生的誘因。據(jù)相關(guān)文獻(xiàn)記載，水華的產(chǎn)生與藻類(lèi)的繁殖具有密切聯(lián)系，其中藍(lán)藻占主導(dǎo)地位，約為全年藻類(lèi)總量的50%。適宜的環(huán)境溫度、光照等條件，為藻類(lèi)創(chuàng)造了良好的繁殖與生長(zhǎng)條件，造成藻類(lèi)大量繁殖。藻類(lèi)的產(chǎn)生源自水體富營(yíng)養(yǎng)化程度加劇，氮、磷元素增多。水產(chǎn)養(yǎng)殖業(yè)以池塘養(yǎng)殖為主，池塘養(yǎng)殖約占淡水養(yǎng)殖的70%。池塘屬于全封閉型水域，生活排污、工農(nóng)業(yè)排污、上游給水等影響因素可忽略，導(dǎo)致水體氮、磷元素增多的主要原因是降雨徑流[3]。降雨后，由于雨水對(duì)周?chē)h(huán)境的沖刷，周?chē)r(nóng)田土壤殘留的化肥以及生物活動(dòng)產(chǎn)生的富含氮、磷元素的物質(zhì)等，隨雨水匯入池塘，隨著時(shí)間的推移，池塘水體中氮、磷元素濃度不斷升高，水體富營(yíng)養(yǎng)化程度加劇，進(jìn)而導(dǎo)致水華暴發(fā)。

2 藻類(lèi)主影響因子分析

人們對(duì)水華的誘發(fā)機(jī)制進(jìn)行相關(guān)研究，發(fā)現(xiàn)大多與水體中的氮鹽、磷鹽等富營(yíng)養(yǎng)化物質(zhì)有關(guān)。根據(jù)相關(guān)部門(mén)檢測(cè)人員在溫度、光照相同的時(shí)段對(duì)池塘A進(jìn)行的采水檢測(cè)，水質(zhì)檢測(cè)理化因子包括池塘中的總氮、總磷、磷酸鹽磷、硝態(tài)氮、銨態(tài)氮和亞硝態(tài)氮的含量，總計(jì)檢測(cè)次數(shù)為8次，即檢測(cè)時(shí)長(zhǎng)累計(jì)8周，得到相應(yīng)的池塘氮、磷含量數(shù)據(jù)如表1所示。

表1池塘A的水質(zhì)檢測(cè)結(jié)果（單位：mg/L）

池塘A 周數(shù)總氮總磷磷酸鹽磷硝態(tài)氮銨態(tài)氮亞硝態(tài)氮 11.4684.288 70.005 40.080.584 10.005 20.933 94.70100.011 20.240 80.028 5 30.764 42.587 60.007 30.0410.095 70.049 7 42.0685.422 70.010 30.023 40.173 10.021 6 51.353 93.618 60.005 10.287 40.67840.037 7 61.124 44.494 80.0140.364 11.33610.154 8 70.7612.690 70.004 40.070 10.673 60.073 81.147 93.5670.004 20.096 70.755 80.044

在對(duì)池塘A水體中的各個(gè)理化因子進(jìn)行檢驗(yàn)的同時(shí)，也對(duì)池塘中浮游藻類(lèi)數(shù)量進(jìn)行統(tǒng)計(jì)，主要針對(duì)藍(lán)藻門(mén)、綠藻門(mén)、隱藻門(mén)、硅藻門(mén)和裸藻門(mén)等的浮游藻類(lèi)密度進(jìn)行統(tǒng)計(jì)，獲得第1～8周的藻類(lèi)數(shù)量如表2所示。

表2池塘A中浮游藻類(lèi)密度統(tǒng)計(jì)（單位：×10個(gè)/L）

池塘A 周數(shù)藍(lán)藻門(mén)綠藻門(mén)隱藻門(mén)硅藻門(mén)裸藻門(mén)總量 1172.8722.9703.870.84200.55 2153.4213.050.2214.735.09165.23 3132.1424.544.712.760.7186.15 4223.3937.080.163.20.54264.37 5386.2445.87023.293.14458.54 6384.5639.430.4915.4311.86451.77 7355.6444.740.2711.268.56420.47 8335.2376.9602.1738.88453.24

針對(duì)池塘A中的浮游藻類(lèi)密度進(jìn)行統(tǒng)計(jì)分析，藻類(lèi)中以藍(lán)藻門(mén)藻類(lèi)占主導(dǎo)地位[4]。根據(jù)藻類(lèi)總量與池塘A中水質(zhì)檢測(cè)指標(biāo)含量進(jìn)行分析，采用灰色關(guān)聯(lián)分析確定浮游藻類(lèi)與不同水質(zhì)檢測(cè)指標(biāo)的線性關(guān)系，并將關(guān)聯(lián)度最大的化學(xué)指標(biāo)作為水華預(yù)測(cè)的主要依據(jù)。

灰色關(guān)聯(lián)分析中，母序列為藻類(lèi)總數(shù)量0（），子序列為總氮1（）、總磷2（）、磷酸鹽磷3（）、硝態(tài)氮4（）、銨態(tài)氮5（）和亞硝態(tài)氮6（），其中代表周數(shù)，的取值為從1到8，采用歸一化去除數(shù)據(jù)量綱影響后，得到相關(guān)折線圖如圖1所示。

圖1　歸一化指標(biāo)折線

初步分析水質(zhì)檢測(cè)指標(biāo)中亞硝態(tài)氮的含量與藻類(lèi)數(shù)量相關(guān)度較大，其變化曲線較為合理。進(jìn)一步計(jì)算灰色關(guān)聯(lián)系數(shù)：=0.040 2，=1.601 0。根據(jù)灰色關(guān)聯(lián)度公式：

式中代表第個(gè)理化因子，計(jì)算得到各理化因子與水中藻類(lèi)總數(shù)量的關(guān)聯(lián)度如表3所示。

表3各理化因子與水中藻類(lèi)總數(shù)量的關(guān)聯(lián)度

總氮總磷磷酸鹽磷硝態(tài)氮銨態(tài)氮亞硝態(tài)氮 0.693 567 8330.686 418 5260.606 328 7630.634 680 2210.773 748 0780.687 967 465

通過(guò)表3數(shù)據(jù)比較分析可得，6個(gè)理化因子與池塘A中藻類(lèi)總數(shù)量的相關(guān)性排序?yàn)椋轰@態(tài)氮＞總氮＞亞硝態(tài)氮＞總磷＞硝態(tài)氮＞磷酸鹽磷。故6個(gè)理化因子中，與池塘A中藻類(lèi)總數(shù)量相關(guān)性最大的為銨態(tài)氮，則可根據(jù)池塘中銨態(tài)氮的數(shù)據(jù)繪制其變化曲線，根據(jù)其變化曲線實(shí)現(xiàn)對(duì)水華的預(yù)測(cè)與提前防治。

3 水華預(yù)測(cè)模型建立

由于池塘中藻類(lèi)數(shù)量的統(tǒng)計(jì)工作量相對(duì)較大且任務(wù)繁重，根據(jù)藻類(lèi)主影響因子分析，可以銨態(tài)氮為主要依據(jù)近似反映池塘中藻類(lèi)數(shù)量的增減，采用擬合算法建立池塘A的水華預(yù)測(cè)模型，并根據(jù)生成曲線采取相應(yīng)預(yù)防處理措施。本次預(yù)測(cè)采用3次多項(xiàng)式預(yù)測(cè)模型，即：

根據(jù)數(shù)據(jù)求得=﹣28 18，波動(dòng)范圍為（﹣0.059 48，0.0031 14），=0.390 8，波動(dòng)范圍為（﹣0.035 75，0.817 4），=﹣1.454，波動(dòng)范圍為（﹣3.155，0.246 4），=1.711，波動(dòng)范圍為（﹣0.168 5，3.591）。

帶入、、、四個(gè)參數(shù)得到預(yù)測(cè)模型：

圖2　池塘A的銨態(tài)氮含量預(yù)測(cè)曲線

根據(jù)池塘A的銨態(tài)氮含量預(yù)測(cè)曲線分析可知，第8周之后的未來(lái)一周，銨態(tài)氮含量呈下降趨勢(shì)，表明未來(lái)一周池塘A中藻類(lèi)數(shù)量具有一定的下降趨勢(shì)，水華現(xiàn)象將明顯好轉(zhuǎn)。同理可采用此模型，根據(jù)已有相關(guān)數(shù)據(jù)預(yù)測(cè)未來(lái)幾周池塘A中藻類(lèi)數(shù)量變化，進(jìn)而采取相應(yīng)措施進(jìn)行預(yù)防和治理。

該預(yù)測(cè)結(jié)果可以起到預(yù)警作用，適用于水產(chǎn)養(yǎng)殖業(yè)的水華預(yù)防并采取緊急措施，例如投放化學(xué)藥劑，該手段適用于緊急預(yù)防，但會(huì)對(duì)水體造成一定污染。故在對(duì)水華的預(yù)防中，水產(chǎn)養(yǎng)殖者還應(yīng)做到池塘基礎(chǔ)水華預(yù)防，例如在池塘邊緣修建截流槽預(yù)防降雨徑流，定期對(duì)池塘進(jìn)行除藻，也可在不影響目標(biāo)生物生長(zhǎng)的情況下進(jìn)行生物預(yù)防等手段，從根源上降低池塘水華的發(fā)生[5]。

4 總結(jié)

借助Matlab強(qiáng)大的計(jì)算分析能力，應(yīng)用灰色關(guān)聯(lián)分析和擬合算法，實(shí)現(xiàn)對(duì)池塘A中對(duì)藻類(lèi)數(shù)量具有一定影響的理化因子的篩選，將篩選后的理化因子作為水質(zhì)檢測(cè)指標(biāo)，并作為建立預(yù)測(cè)模型的主要依據(jù)，實(shí)現(xiàn)對(duì)該池塘未來(lái)幾周藻類(lèi)數(shù)量變化趨勢(shì)的預(yù)測(cè)。根據(jù)預(yù)測(cè)結(jié)果選擇采取相應(yīng)的水華應(yīng)急防治措施，能實(shí)現(xiàn)對(duì)池塘水華現(xiàn)象暴發(fā)的提前防治，降低水產(chǎn)養(yǎng)殖業(yè)的風(fēng)險(xiǎn)和水產(chǎn)養(yǎng)殖者的工作量。

[1]王重陽(yáng),馬菁華,吳睿鈺,等.基于BP神經(jīng)網(wǎng)絡(luò)的水華預(yù)測(cè)模型及其敏感性分析[J].信息記錄材料,2018,19(11):81-83.

[2]張民,史小麗,陽(yáng)振,等.2012-2018年巢湖水質(zhì)變化趨勢(shì)分析和藍(lán)藻防控建議[J].湖泊科學(xué),2020,32(1):11-20.

[3]徐顥溪.巢湖藍(lán)藻水華現(xiàn)象誘因及其治理措施[J].滁州學(xué)院學(xué)報(bào),2020,22(2):6-9.

[4]勞齊斌,劉國(guó)強(qiáng),高勁松,等.欽州灣養(yǎng)殖區(qū)營(yíng)養(yǎng)鹽分布特征及富營(yíng)養(yǎng)化狀況研究[J].海洋環(huán)境科學(xué),2021,40(3):407-416.

[5]王端明,陳昌文.藍(lán)藻水華產(chǎn)生原因?危害及防控措施[J].廣東化工,2021,48(10):151-153.

X84

A

2095-1205(2021)08-65-03

10.3969/j.issn.2095-1205.2021.08.31

黑龍江省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（202010222092）

常世杰（2000- ），男，漢族，河南新鄉(xiāng)人，本科，研究方向?yàn)樽詣?dòng)化及數(shù)據(jù)分析。

楊欣宇（2000- ），男，漢族，黑龍江哈爾濱人，本科，研究方向?yàn)樽詣?dòng)化及數(shù)理統(tǒng)計(jì)。