基于拟合算法的池塘水华预测模型的建立与研究

常世杰　杨欣宇　武振东

基于拟合算法的池塘水华预测模型的建立与研究

常世杰1杨欣宇1武振东2

（1.佳木斯大学信息电子技术学院黑龙江佳木斯154007；2.河南农业大学植物保护学院河南郑州450046）

在我国水产养殖中，池塘养殖约占淡水养殖的70%，随着水体富营养化程度加剧，水华现象出现概率逐渐升高，水华的暴发对池塘养殖业是一个严重打击。文章以池塘水体中的氮元素、磷元素为检测核心，借助Matlab灰色关联分析和拟合算法，筛选出最能反映池塘中藻类数量的指标，并组建该指标的预测系统，间接反映池塘中藻类变化趋势，从而实现对池塘水华现象暴发的提前预测，降低水产养殖业的风险和水产养殖人员的工作量。

水体氮磷检测；藻类统计；灰色关联分析；拟合算法；水华预警

随着可持续发展战略的提出，国家和人民更加注重生态文明建设，生态文明建设是关系民族未来的大计。当前产业结构逐步调整，转向绿色低碳发展，水产养殖业作为一种绿色低碳产业，在我国乡村振兴中起着无可替代的作用，是我国农业的重要组成部分。水产养殖中最令养殖户们担心的便是“绿水”，“绿水”作为水产养殖中常见的一种灾害，对水产养殖业造成的损失较大，其产生主要依托于水体中氮、磷元素增多，造成水体富营养化，使藻类迅速大量繁殖，不仅会对水产养殖业的水产品安全造成影响，同时会产生有毒气体以及有害物质对水体产生污染，长此以往会影响到养殖人员及周围居民的身体健康。水产养殖中降低水华现象的发生概率是水产养殖成功的关键。水华的产生依托于水体中的氮、磷元素含量，因此需要定期进行水质检测，池塘水质是否符合标准决定着水产养殖的未来发展状况好坏。

本研究初步试验检测池塘水体中各氮、磷盐等指标，同时检测池塘中的藻类数量。由于藻类统计相较于水质检测较麻烦，故在初次检测后根据不同指标与藻类数量的变化关系，在众多指标中筛选出与藻类数量相关性较大的指标，以该指标作为依据进行水体中藻类未来发展趋势的预测，日后以水质检测代替藻类数量的统计，消除水产养殖者因藻类统计过于麻烦带来的烦恼。水产养殖者仅需定期对水体中已筛选出的指标进行检测，并依据已有数据做好对未来氮、磷元素增长的预测，参考预测结果便可降低水华现象发生的概率[1]。

1 水华诱因分析

水华现象是困扰大多数水产养殖者多年的难题，一旦发生，藻类的大量繁殖会使池水的含氧量降低，致使水下生物的生长受到威胁，将会对水产养殖业造成影响，水产品的品质和安全将无法得到保证[2]。正所谓“凡事预则立，不预则废”，最佳的做法便是提前预测水华现象的发生，并采取相应措施来杜绝水华对池塘的侵袭。要做到先发制人，必须要懂得水华产生的诱因。据相关文献记载，水华的产生与藻类的繁殖具有密切联系，其中蓝藻占主导地位，约为全年藻类总量的50%。适宜的环境温度、光照等条件，为藻类创造了良好的繁殖与生长条件，造成藻类大量繁殖。藻类的产生源自水体富营养化程度加剧，氮、磷元素增多。水产养殖业以池塘养殖为主，池塘养殖约占淡水养殖的70%。池塘属于全封闭型水域，生活排污、工农业排污、上游给水等影响因素可忽略，导致水体氮、磷元素增多的主要原因是降雨径流[3]。降雨后，由于雨水对周围环境的冲刷，周围农田土壤残留的化肥以及生物活动产生的富含氮、磷元素的物质等，随雨水汇入池塘，随着时间的推移，池塘水体中氮、磷元素浓度不断升高，水体富营养化程度加剧，进而导致水华暴发。

2 藻类主影响因子分析

人们对水华的诱发机制进行相关研究，发现大多与水体中的氮盐、磷盐等富营养化物质有关。根据相关部门检测人员在温度、光照相同的时段对池塘A进行的采水检测，水质检测理化因子包括池塘中的总氮、总磷、磷酸盐磷、硝态氮、铵态氮和亚硝态氮的含量，总计检测次数为8次，即检测时长累计8周，得到相应的池塘氮、磷含量数据如表1所示。

表1池塘A的水质检测结果（单位：mg/L）

池塘A 周数总氮总磷磷酸盐磷硝态氮铵态氮亚硝态氮 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

在对池塘A水体中的各个理化因子进行检验的同时，也对池塘中浮游藻类数量进行统计，主要针对蓝藻门、绿藻门、隐藻门、硅藻门和裸藻门等的浮游藻类密度进行统计，获得第1～8周的藻类数量如表2所示。

表2池塘A中浮游藻类密度统计（单位：×10个/L）

池塘A 周数蓝藻门绿藻门隐藻门硅藻门裸藻门总量 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

针对池塘A中的浮游藻类密度进行统计分析，藻类中以蓝藻门藻类占主导地位[4]。根据藻类总量与池塘A中水质检测指标含量进行分析，采用灰色关联分析确定浮游藻类与不同水质检测指标的线性关系，并将关联度最大的化学指标作为水华预测的主要依据。

灰色关联分析中，母序列为藻类总数量0（），子序列为总氮1（）、总磷2（）、磷酸盐磷3（）、硝态氮4（）、铵态氮5（）和亚硝态氮6（），其中代表周数，的取值为从1到8，采用归一化去除数据量纲影响后，得到相关折线图如图1所示。

图1　归一化指标折线

初步分析水质检测指标中亚硝态氮的含量与藻类数量相关度较大，其变化曲线较为合理。进一步计算灰色关联系数：=0.040 2，=1.601 0。根据灰色关联度公式：

式中代表第个理化因子，计算得到各理化因子与水中藻类总数量的关联度如表3所示。

表3各理化因子与水中藻类总数量的关联度

总氮总磷磷酸盐磷硝态氮铵态氮亚硝态氮 0.693 567 8330.686 418 5260.606 328 7630.634 680 2210.773 748 0780.687 967 465

通过表3数据比较分析可得，6个理化因子与池塘A中藻类总数量的相关性排序为：铵态氮＞总氮＞亚硝态氮＞总磷＞硝态氮＞磷酸盐磷。故6个理化因子中，与池塘A中藻类总数量相关性最大的为铵态氮，则可根据池塘中铵态氮的数据绘制其变化曲线，根据其变化曲线实现对水华的预测与提前防治。

3 水华预测模型建立

由于池塘中藻类数量的统计工作量相对较大且任务繁重，根据藻类主影响因子分析，可以铵态氮为主要依据近似反映池塘中藻类数量的增减，采用拟合算法建立池塘A的水华预测模型，并根据生成曲线采取相应预防处理措施。本次预测采用3次多项式预测模型，即：

根据数据求得=﹣28 18，波动范围为（﹣0.059 48，0.0031 14），=0.390 8，波动范围为（﹣0.035 75，0.817 4），=﹣1.454，波动范围为（﹣3.155，0.246 4），=1.711，波动范围为（﹣0.168 5，3.591）。

带入、、、四个参数得到预测模型：

图2　池塘A的铵态氮含量预测曲线

根据池塘A的铵态氮含量预测曲线分析可知，第8周之后的未来一周，铵态氮含量呈下降趋势，表明未来一周池塘A中藻类数量具有一定的下降趋势，水华现象将明显好转。同理可采用此模型，根据已有相关数据预测未来几周池塘A中藻类数量变化，进而采取相应措施进行预防和治理。

该预测结果可以起到预警作用，适用于水产养殖业的水华预防并采取紧急措施，例如投放化学药剂，该手段适用于紧急预防，但会对水体造成一定污染。故在对水华的预防中，水产养殖者还应做到池塘基础水华预防，例如在池塘边缘修建截流槽预防降雨径流，定期对池塘进行除藻，也可在不影响目标生物生长的情况下进行生物预防等手段，从根源上降低池塘水华的发生[5]。

4 总结

借助Matlab强大的计算分析能力，应用灰色关联分析和拟合算法，实现对池塘A中对藻类数量具有一定影响的理化因子的筛选，将筛选后的理化因子作为水质检测指标，并作为建立预测模型的主要依据，实现对该池塘未来几周藻类数量变化趋势的预测。根据预测结果选择采取相应的水华应急防治措施，能实现对池塘水华现象暴发的提前防治，降低水产养殖业的风险和水产养殖者的工作量。

[1]王重阳,马菁华,吴睿钰,等.基于BP神经网络的水华预测模型及其敏感性分析[J].信息记录材料,2018,19(11):81-83.

[2]张民,史小丽,阳振,等.2012-2018年巢湖水质变化趋势分析和蓝藻防控建议[J].湖泊科学,2020,32(1):11-20.

[3]徐颢溪.巢湖蓝藻水华现象诱因及其治理措施[J].滁州学院学报,2020,22(2):6-9.

[4]劳齐斌,刘国强,高劲松,等.钦州湾养殖区营养盐分布特征及富营养化状况研究[J].海洋环境科学,2021,40(3):407-416.

[5]王端明,陈昌文.蓝藻水华产生原因､危害及防控措施[J].广东化工,2021,48(10):151-153.

X84

A

2095-1205(2021)08-65-03

10.3969/j.issn.2095-1205.2021.08.31

黑龙江省大学生创新创业训练计划项目（202010222092）

常世杰（2000- ），男，汉族，河南新乡人，本科，研究方向为自动化及数据分析。

杨欣宇（2000- ），男，汉族，黑龙江哈尔滨人，本科，研究方向为自动化及数理统计。