基于小波-神经网络耦合模型对云南星云湖富营养化气象驱动因子的分析

作     者：潘佳敏 冯禹昊 谢平 方精云 Pan Jiamin;Feng Yuhao;Xie Ping;Fang Jingyun

作者机构：北京大学城市与环境学院北京100871 云南大学生态与环境学院高原湖泊生态与治理研究院昆明650091 

出 版 物：《湖泊科学》 (Journal of Lake Sciences)

年 卷 期：2021年第33卷第2期

页      面：428-438页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0815[工学-水利工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(31988102)资助 

主　　题：富营养化 神经网络 小波分析 耦合模型 气象因子 星云湖 

摘      要：气象因子是影响湖泊富营养化的重要因素,而湖泊富营养化对人群健康、生态系统和社会经济等均有负面影响.本文基于统计资料及遥感数据,结合Morlet小波分析和BP多层前馈神经网络(BP神经网络)构建了不同时间尺度下的小波-神经网络耦合模型,分析了1986-2011年云南星云湖水华强度变化与月降雨量、月平均气温、月平均风速、月日照时数变化之间的关系,探究了影响湖泊富营养化的主导气象因子.结果表明:气象因子的波动周期是影响湖泊年内水华强度变化的重要因素;小波-神经网络耦合模型能有效提高数据拟合的精度,最优小波-神经网络耦合模型的拟合优度为0.605,高于BP神经网络的拟合优度0.292;小波-神经网络耦合模型能更有效地对星云湖富营养化程度进行分析和描述,其均方误差和相关系数均优于BP神经网络;根据最优小波-神经网络耦合模型下的各气象因子的平均影响值,可知月平均气温是影响星云湖富营养化的主导气象因子,其次是月降水率、月平均风速,最后是月日照时数.综上,小波-神经网络耦合模型相比BP神经网络对样本数据具有更好的适应性,拟合精度更高,能为星云湖的保护与富营养化的治理提供参考依据.