基于擬合算法的池塘水華預測模型的建立與研究

常世杰　楊欣宇　武振東

基于擬合算法的池塘水華預測模型的建立與研究

常世杰1楊欣宇1武振東2

（1.佳木斯大學信息電子技術學院黑龍江佳木斯154007；2.河南農業(yè)大學植物保護學院河南鄭州450046）

在我國水產養(yǎng)殖中，池塘養(yǎng)殖約占淡水養(yǎng)殖的70%，隨著水體富營養(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)對池塘養(yǎng)殖業(yè)是一個嚴重打擊。文章以池塘水體中的氮元素、磷元素為檢測核心，借助Matlab灰色關聯(lián)分析和擬合算法，篩選出最能反映池塘中藻類數(shù)量的指標，并組建該指標的預測系統(tǒng)，間接反映池塘中藻類變化趨勢，從而實現(xiàn)對池塘水華現(xiàn)象暴發(fā)的提前預測，降低水產養(yǎng)殖業(yè)的風險和水產養(yǎng)殖人員的工作量。

水體氮磷檢測；藻類統(tǒng)計；灰色關聯(lián)分析；擬合算法；水華預警

隨著可持續(xù)發(fā)展戰(zhàn)略的提出，國家和人民更加注重生態(tài)文明建設，生態(tài)文明建設是關系民族未來的大計。當前產業(yè)結構逐步調整，轉向綠色低碳發(fā)展，水產養(yǎng)殖業(yè)作為一種綠色低碳產業(yè)，在我國鄉(xiāng)村振興中起著無可替代的作用，是我國農業(yè)的重要組成部分。水產養(yǎng)殖中最令養(yǎng)殖戶們擔心的便是“綠水”，“綠水”作為水產養(yǎng)殖中常見的一種災害，對水產養(yǎng)殖業(yè)造成的損失較大，其產生主要依托于水體中氮、磷元素增多，造成水體富營養(yǎng)化，使藻類迅速大量繁殖，不僅會對水產養(yǎng)殖業(yè)的水產品安全造成影響，同時會產生有毒氣體以及有害物質對水體產生污染，長此以往會影響到養(yǎng)殖人員及周圍居民的身體健康。水產養(yǎng)殖中降低水華現(xiàn)象的發(fā)生概率是水產養(yǎng)殖成功的關鍵。水華的產生依托于水體中的氮、磷元素含量，因此需要定期進行水質檢測，池塘水質是否符合標準決定著水產養(yǎng)殖的未來發(fā)展狀況好壞。

本研究初步試驗檢測池塘水體中各氮、磷鹽等指標，同時檢測池塘中的藻類數(shù)量。由于藻類統(tǒng)計相較于水質檢測較麻煩，故在初次檢測后根據(jù)不同指標與藻類數(shù)量的變化關系，在眾多指標中篩選出與藻類數(shù)量相關性較大的指標，以該指標作為依據(jù)進行水體中藻類未來發(fā)展趨勢的預測，日后以水質檢測代替藻類數(shù)量的統(tǒng)計，消除水產養(yǎng)殖者因藻類統(tǒng)計過于麻煩帶來的煩惱。水產養(yǎng)殖者僅需定期對水體中已篩選出的指標進行檢測，并依據(jù)已有數(shù)據(jù)做好對未來氮、磷元素增長的預測，參考預測結果便可降低水華現(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)水產養(yǎng)殖者多年的難題，一旦發(fā)生，藻類的大量繁殖會使池水的含氧量降低，致使水下生物的生長受到威脅，將會對水產養(yǎng)殖業(yè)造成影響，水產品的品質和安全將無法得到保證[2]。正所謂“凡事預則立，不預則廢”，最佳的做法便是提前預測水華現(xiàn)象的發(fā)生，并采取相應措施來杜絕水華對池塘的侵襲。要做到先發(fā)制人，必須要懂得水華產生的誘因。據(jù)相關文獻記載，水華的產生與藻類的繁殖具有密切聯(lián)系，其中藍藻占主導地位，約為全年藻類總量的50%。適宜的環(huán)境溫度、光照等條件，為藻類創(chuàng)造了良好的繁殖與生長條件，造成藻類大量繁殖。藻類的產生源自水體富營養(yǎng)化程度加劇，氮、磷元素增多。水產養(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、工農業(yè)排污、上游給水等影響因素可忽略，導致水體氮、磷元素增多的主要原因是降雨徑流[3]。降雨后，由于雨水對周圍環(huán)境的沖刷，周圍農田土壤殘留的化肥以及生物活動產生的富含氮、磷元素的物質等，隨雨水匯入池塘，隨著時間的推移，池塘水體中氮、磷元素濃度不斷升高，水體富營養(yǎng)化程度加劇，進而導致水華暴發(fā)。

2 藻類主影響因子分析

人們對水華的誘發(fā)機制進行相關研究，發(fā)現(xiàn)大多與水體中的氮鹽、磷鹽等富營養(yǎng)化物質有關。根據(jù)相關部門檢測人員在溫度、光照相同的時段對池塘A進行的采水檢測，水質檢測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，總計檢測次數(shù)為8次，即檢測時長累計8周，得到相應的池塘氮、磷含量數(shù)據(jù)如表1所示。

表1池塘A的水質檢測結果（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

在對池塘A水體中的各個理化因子進行檢驗的同時，也對池塘中浮游藻類數(shù)量進行統(tǒng)計，主要針對藍藻門、綠藻門、隱藻門、硅藻門和裸藻門等的浮游藻類密度進行統(tǒng)計，獲得第1～8周的藻類數(shù)量如表2所示。

表2池塘A中浮游藻類密度統(tǒng)計（單位：×10個/L）

池塘A 周數(shù)藍藻門綠藻門隱藻門硅藻門裸藻門總量 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

針對池塘A中的浮游藻類密度進行統(tǒng)計分析，藻類中以藍藻門藻類占主導地位[4]。根據(jù)藻類總量與池塘A中水質檢測指標含量進行分析，采用灰色關聯(lián)分析確定浮游藻類與不同水質檢測指標的線性關系，并將關聯(lián)度最大的化學指標作為水華預測的主要依據(jù)。

灰色關聯(lián)分析中，母序列為藻類總數(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，得到相關折線圖如圖1所示。

圖1　歸一化指標折線

初步分析水質檢測指標中亞硝態(tài)氮的含量與藻類數(shù)量相關度較大，其變化曲線較為合理。進一步計算灰色關聯(lián)系數(shù)：=0.040 2，=1.601 0。根據(jù)灰色關聯(lián)度公式：

式中代表第個理化因子，計算得到各理化因子與水中藻類總數(shù)量的關聯(lián)度如表3所示。

表3各理化因子與水中藻類總數(shù)量的關聯(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

通過表3數(shù)據(jù)比較分析可得，6個理化因子與池塘A中藻類總數(shù)量的相關性排序為：銨態(tài)氮＞總氮＞亞硝態(tài)氮＞總磷＞硝態(tài)氮＞磷酸鹽磷。故6個理化因子中，與池塘A中藻類總數(shù)量相關性最大的為銨態(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)其變化曲線實現(xiàn)對水華的預測與提前防治。

3 水華預測模型建立

由于池塘中藻類數(shù)量的統(tǒng)計工作量相對較大且任務繁重，根據(jù)藻類主影響因子分析，可以銨態(tài)氮為主要依據(jù)近似反映池塘中藻類數(shù)量的增減，采用擬合算法建立池塘A的水華預測模型，并根據(jù)生成曲線采取相應預防處理措施。本次預測采用3次多項式預測模型，即：

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

帶入、、、四個參數(shù)得到預測模型：

圖2　池塘A的銨態(tài)氮含量預測曲線

根據(jù)池塘A的銨態(tài)氮含量預測曲線分析可知，第8周之后的未來一周，銨態(tài)氮含量呈下降趨勢，表明未來一周池塘A中藻類數(shù)量具有一定的下降趨勢，水華現(xiàn)象將明顯好轉。同理可采用此模型，根據(jù)已有相關數(shù)據(jù)預測未來幾周池塘A中藻類數(shù)量變化，進而采取相應措施進行預防和治理。

該預測結果可以起到預警作用，適用于水產養(yǎng)殖業(yè)的水華預防并采取緊急措施，例如投放化學藥劑，該手段適用于緊急預防，但會對水體造成一定污染。故在對水華的預防中，水產養(yǎng)殖者還應做到池塘基礎水華預防，例如在池塘邊緣修建截流槽預防降雨徑流，定期對池塘進行除藻，也可在不影響目標生物生長的情況下進行生物預防等手段，從根源上降低池塘水華的發(fā)生[5]。

4 總結

借助Matlab強大的計算分析能力，應用灰色關聯(lián)分析和擬合算法，實現(xiàn)對池塘A中對藻類數(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檢測指標，并作為建立預測模型的主要依據(jù)，實現(xiàn)對該池塘未來幾周藻類數(shù)量變化趨勢的預測。根據(jù)預測結果選擇采取相應的水華應急防治措施，能實現(xiàn)對池塘水華現(xiàn)象暴發(fā)的提前防治，降低水產養(yǎng)殖業(yè)的風險和水產養(yǎng)殖者的工作量。

[1]王重陽,馬菁華,吳睿鈺,等.基于BP神經網(wǎng)絡的水華預測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,陽振,等.2012-2018年巢湖水質變化趨勢分析和藍藻防控建議[J].湖泊科學,2020,32(1):11-20.

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

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

[5]王端明,陳昌文.藍藻水華產生原因?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

黑龍江省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（202010222092）

常世杰（2000- ），男，漢族，河南新鄉(xiāng)人，本科，研究方向為自動化及數(shù)據(jù)分析。

楊欣宇（2000- ），男，漢族，黑龍江哈爾濱人，本科，研究方向為自動化及數(shù)理統(tǒng)計。