水质自动监测系统在厦门同安湾赤潮短期预报中的应用

利用2005年同安湾水质在线自动监测系统的数据,分析了同安湾赤潮前和赤潮中的实时在线监测资料,并与相关资料进行比对。初步建立数理统计预报和经验预报两种预报模式,进行同安湾2种藻类(中肋骨条藻、旋链角毛藻)赤潮短期预报。研究结果初步表明,可提前1~3 d对同安湾的中肋骨条藻或旋链角毛藻赤潮进行预警。同安湾在线监测的赤潮预警值初步定为:溶解氧饱和度105%、叶绿素8.0μg/dm3。     

间伐对马尾松人工林林下植物多样性的短期和长期影响

探讨不同间伐强度林下马尾松人工林植物多样性的动态变化,为确定合理的间伐强度提供理论依据。以南京溧水林场马尾松俨砌USmassonianaLamb．）中龄人工林为研究对象,于2007年和2011年对间伐1a和5a后各间伐林下植物多样性进行了调查和分析。结果表明：间伐la和5a后,与对照相比,中强度间伐林下植物种类、数量、丰富度Margalef指数、多样性Simpson、Sharmon-Weiner指数和均匀度JSW指数均显著提高（P〈O．05）,林下植物的生态优势度指数显著降低（P〈O．05）;弱度间伐林下各指数在间伐1a后显著降低（P〈O．05）,而在间伐5a后显著提高（P〈O．05o中强度间伐后林分各指数增幅最大,其中Shannon．Wiener指数对间伐措施更为敏感。间伐5a后,中强度间伐林下植物种类、数量和多样性指数比间伐1a后有所提高,弱度、中度、强度间伐后的林下植物种类比对照分别增加15、17和15种,总密度分别增加1．40、3．44和2．14倍。从短期和长期影响效果来看,中、强度间伐有利于植物多样性的提高。     

基于经验小波变换的鄱阳湖CODMn预测

高锰酸盐指数(COD_Mn)是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_Mn时间序列分解成若干成分,然后利用BLSTM神经网络对分解出来的每个成分进行预测,最后将所有成分的预测结果重建获得最终COD_Mn预测值的新的混合模型EWT-BLSTM;并以2017年8月—2020年4月鄱阳湖COD_Mn监测数据为研究对象,进行模型性能验证。结果表明：EWT-BLSTM模型具有良好的预测性能,预测未来1 d以后的COD_Mn时,EWT-BLSTM模型的平均绝对百分比误差为2.25%,与单一BLSTM神经网络模型相比降低了10.53%;预测未来7 d以后的COD_Mn时,EWT-BLSTM模型的平均绝对百分比误差为8.36%,与单一BLSTM神经网络模型相比降低了16.16%。在COD_Mn峰值处,该模型依然保持较高稳定的预测性能,说明在数据相对复杂、极端的情况下,该模型依然适用。

     

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.