基于逐步聚类分析的水库浮游藻类生长预测

中国环境科学2015,35(9)：2805~2812ChinaEnvironmentalScience基于逐步聚类分析的水库浮游藻类生长预测常淳1*,冯平1,孙冬梅1,张凯2(1.天津大学水利工程仿真与安全国家重点实验室,天津300072；2.天津市水利科学研究院,天津300061)摘要：采用逐步聚类分析方法预测水库浮游藻类的生长情况,以于桥水库为例,选取了1999~2006年7个水质和气象因子的56组数据建立逐步聚类分析模型,其结果用于预测2007~2010年的叶绿素a含量.结果表明,实测值与预测值的变化趋势基本一致,相关系数R达到0.94,线性相关性较好.预测值的平均绝对误差为-0.0007,平均相对误差为21.66%.逐步聚类分析法可以快速准确的对水库的叶绿素a含量进行有效预测.对逐步聚类分析模型的敏感度分析表明,影响于桥水库藻类生长的主要因素是水体的pH值、溶解氧以及总磷,因此控制这3个因素是预防藻类爆发的重要途径.关键词：逐步聚类分析；水库；浮游藻类；预测中图分类号：X524文献标识码：A文章编号：1000-6923(2015)09-2805-08Predictionofthealgagrowthinareservoirbasedonthestepwiseclusteranalysis.CHANGChun1*,FENGPing1,SUNDong-mei1,ZHANGKai2(1.StateKeyLaboratoryofHydraulicEngineeringSimulationandSafety,TianjinUniversity,Tianjin300072,China；2.TianjinHydraulicScienceResearchInstitute,Tianjin300061,China).ChinaEnvironmentalScience,2015,35(9)：2805~2812Abstract：Thestepwiseclusteranalysis(SCA)wasemployedtopredictthechlorophyll-acontentofalgainYuqiaoReservoir.ASCAmodelwasfirstlydevelopedbasedon56datasetsof7factorsrelatedtowaterqualityandmeteorologyfrom1999to2006,whichwasusedtopredictthechlorophyll-acontentfrom2007to2010.Thepredictedvaluesmatchedthemeasuredvalueswellwiththeaverageabsoluteerrorof-0.0007andtheaveragerelativeerrorof21.66%,andthecorrelationcoefficientis0.94.ItshowedthatSCAwaseffectivetopredictthechlorophyll-acontentinYuqiaoReservoir.Thesensitivityanalysiswerealsoperformed,theresultsshowedthatpHvalue,totalphosphoruscontentanddissolvedoxygenhadmoresignificantimpactsonthealgagrowthinYuqiaoReservoir.Therefore,itisanimportantwaytopreventalgalbloomsbycontrollingtheabove3factors.Keywords：stepwiseclusteranalysis；reservoir；alga；prediction近年来,由于入库污染物急剧增加,许多水库的水质也不断恶化,富营养化发展迅速,已对城市供水安全构成威胁[1].藻类的大量繁殖是水库富营养化的主要表现形式,因此,预测藻类的生长情况有助于保障水库的健康安全.叶绿素a含量与浮游藻类的数量密切相关,可以在一定程度上反映水质状况,是判断水体富营养化的重要指标之一[2-4].目前,水质预测模式大致可以分为4类:数理统计法[5-6]、神经网络模型[7-8]、水质模拟模型[9-10]和混沌理论预测法[11-12]等.仝玉华等[13]利用常规监测的水生生态数据提出了一种结合时序方法的可自优化RBF神经网络智能预测模型,罗华军等[14]将支持向量机(SVM)法与遗传算法(GA)相结合,建立了基于GA-SVM的水库叶绿素a浓度非线性时间序列的短期预测模型.在诸多影响叶绿素a含量的水质和气象因子中,存在连续变量和离散变量,而且由于区域水