一种浅水型小型湖库水华预测方法及预测模型技术

本发明专利技术提供了一种浅水型小型湖库水华预测方法及预测模型，S1、采集区域内水华影响因素的历史实测数据；S2、利用步骤S1采集的历史实测数据，带入藻生长动力学模型方程中，对模型参数进行校验；S3、根据校验结果得到水华预测方法的核心预测方程。本发明专利技术所述的浅水型小型湖库水华预测方法的框架结构简单，降低了对方法数据量的需求，同时本方法以浮游植物生长动力学机理为核心，预测结果更加接近实际情况，预测精度高，具有很好的实用性。

A Prediction Method and Model for Blooms in Small Shallow-water Lakes and Reservoirs

【技术实现步骤摘要】
一种浅水型小型湖库水华预测方法及预测模型
本专利技术属于水华预测领域，尤其是涉及一种浅水型小型湖库水华预测方法。
技术介绍
淡水水华是威胁城市地表饮用水源地安全的巨大威胁，对水华进行预测有助于水源地管理者掌握未来水华发展的趋势从而指导管理者制定水华爆发的应急手段保证城市供水安全减少经济损失。现有技术的技术方案：现有水华预测模型技术大体可以分为两类：机理预测模型与经验预测模型。机理模型的方法首先根据水动力学的原理建立水流场，模拟水体流量与流速的分布状况。在水流场的基础上建立水质变化与浮游植物生长死亡的相互作用关系。经过大量的实测水量与水质和生物实测数据校验之后再结合天气预报数据来预测未来水体水华状况的发展趋势。这样的机理预测模型有QUAL2kw模型[1]、EFDC-WASP模型[2]、CE-QUAL-W2模型[3]等。经验模型的方法为：将实测水质、气象数据与浮游植物生物量数据建立经验模型，再根据其水质与气象预测结果带入经验模型中得到水华的预测结果。常用的经验模型方法有统计学方法(多元线性回归、广义加性模型等)、机器学习方法(人工神经网络、随机森林等)两大类。现有方法的缺点：机理模型的方本文档来自技高网...

【技术保护点】
1.一种浅水型小型湖库水华预测方法，其特征在于，包括：S1、采集区域内水华影响因素的历史实测数据；S2、利用步骤S1采集的历史实测数据，带入藻生长动力学模型方程中，对模型参数进行校验；S3、根据校验结果得到水华预测方法的核心预测方程。

【技术特征摘要】
1.一种浅水型小型湖库水华预测方法，其特征在于，包括：S1、采集区域内水华影响因素的历史实测数据；S2、利用步骤S1采集的历史实测数据，带入藻生长动力学模型方程中，对模型参数进行校验；S3、根据校验结果得到水华预测方法的核心预测方程。2.根据权利要求1所述的浅水型小型湖库水华预测方法，其特征在于：所述步骤S1中的历史实测数据包括磷浓度、气温、叶绿素a浓度、光照强度。3.根据权利要求1所述的浅水型小型湖库水华预测方法，其特征在于，所述步骤S2中，参数校验的具体方法如下：将步骤S1采集到的数据带入到藻生长动力学模型方程中，利用R语言与WingBUGS软件对模型参数进行校验，得到适于本地湖泊或水库的水华预测的参数。4.根据权利要求1所述的浅水型小型湖库水华预测方法，其特征在于：所述步骤S3中，水华预测核心方程包括营养盐限制因子，营养盐限制因子的预测方程为：其中，Ksp为总磷吸收半饱和常数，TP为磷浓度(mg/L)。5.根据权利要求1所述的浅水型小型湖库水华预测方法，其特征在于：所述步骤S3中，水华预测核心方程包括温度限制因子，所述温度限制因子的预测方程为：其中，kt为温度生长常数(1/℃)，T为温度。6.根据权利要求1所述的浅水型小型湖库水华预测方法，其特征在于：所述步骤S3...

【专利技术属性】
技术研发人员：刘夏，尹京晨，王玉秋，韩素琴，
申请(专利权)人：南开大学，
类型：发明
国别省市：天津,12