基于GLUE方法的湖库富营养化风险评估

摘要

【目的】更好地评估湖库富营养化及其引发藻类暴发风险的程度。【方法】基于BP神经网络,建立预测藻类浓度的水体富营养化模型,结合GLUE方法对水体富营养化模型的相关水质参数进行不确定性分析,分析各参数对水体富营养化程度的影响,并给出各参数90%置信区间作为风险范围,以供管理。【结果】BP神经网络可以较好地预测藻类浓度变化,纳什系数(NSE)及均方根误差(RMSE)均较小;pH、DO、CODMn、TN、TP、Chl-a与水华风险具有较为明显的正相关趋势,SSD存在负相关趋势,温度T则不明显;pH、TN、TP、Chl-a、SSD的高、低风险特征在区间内表现较为明显;T、DO、CODMn的风险特征则不明显。【结论】BP神经网络可建立水库藻类及其他类似复杂机制系统的模拟,各水质参数90%置信区间可用作其藻类暴发的风险评估范围。