目前,水體富營養(yǎng)化是困擾我國近岸海域生態(tài)環(huán)境最為突出的問題。富營養(yǎng)化是由于水體內的氮、磷等營養(yǎng)元素含量過高,使營養(yǎng)鹽的輸入輸出失去平衡性,從而使水體生態(tài)系統(tǒng)的穩(wěn)定性和功能性遭到破壞。水體富營養(yǎng)化嚴重影響著海域生態(tài)環(huán)境和海洋經濟的可持續(xù)發(fā)展,因此,如何有效對近岸海域水體富營養(yǎng)化進行預測和預防已經成為國內外學者研究熱點問題。根據水體富營養(yǎng)化評價方法,硝酸鹽與化學需氧量是影響水體富營養(yǎng)化的關鍵指標,此兩項因子的變化規(guī)律間接反映了富營養(yǎng)化現(xiàn)象的發(fā)生規(guī)律。因而,可通過對硝酸鹽與化學需氧量的變化規(guī)律來預測水體富營養(yǎng)化現(xiàn)象。本文基于對威海市海洋與漁業(yè)監(jiān)測減災中心獲取的近岸海域水質監(jiān)測數據,采用漸進梯度回歸樹模型和時間序列分析方法對近岸海域硝酸鹽和化學需氧量的含量進行建模分析,獲取硝酸鹽含量和化學需氧量的變化規(guī)律。本文的主要工作包括:（1）水質數據預處理。對原始監(jiān)測數據采用異常值處理與缺失值插補方法進行預處理。其中,異常值處理基于拉以達法則,在滿足正態(tài)分布的閾值范圍內篩選出滿足條件的水質監(jiān)測數據,缺失值插補采用LIN插補算法,根據鄰近日期間監(jiān)測日期監(jiān)測值間的相關性計算得到插補缺失值。（2）將海域功能區(qū)... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：77 頁

【學位級別】：碩士

【部分圖文】：

圖１－１本文研宄的三類模型??

２．１水質數據來源??本文所用的水質數據來源于威海市海洋與漁業(yè)監(jiān)測減災中心。威海近岸??海域監(jiān)測點位置在圖２－１中用紅色點標出，水質監(jiān)測項目主要包括以下部分：??（１）

由拉依達法則［５５］要求，假定輸入數據具有正態(tài)分布的特性，就可以通過??計算均值和均方差來對每個輸入樣本在正態(tài)分布下的概率進行估計。正態(tài)分??布概率如圖２－２所示，即９９．７４％的數據應該滿足式（２－３）條件。??ｆ．ｉ?－?３ｒｊ?－?２ａ?ｐｉ－ａ?ｆｔ?ｆｉ?＋?ａ?＃十?蘆十３ｃ??６８．２６％??？?＞????９５．４４％????＜?９９．７４％??＞??圖２－２拉依達法則正態(tài)分布概率圖??將每種原始水質監(jiān)因子的值與式（２－３）計算所得標準閾值范圍相比較，計??算結果不符合條件的數據予以刪除。??／ｕ－３ａ＜Ｘｊ＜ｆｉ＋３（ｒ?（２－３）??圖２－３為威海市近岸海域的硝酸鹽２００８年３月至２０１８年１０月的采樣??監(jiān)測數據值。??１２??

【參考文獻】：
期刊論文
[1]基于灰色預測和ARIMA模型的疾病分析與預測[J]. 魏杰,張璇,王柳,汪麗萍.  數理醫(yī)藥學雜志. 2018(12)
[2]沈陽市PM2.5濃度ARIMA-SVM組合預測研究[J]. 宋國君,國瀟丹,楊嘯,劉帥.  中國環(huán)境科學. 2018(11)
[3]基于偏最小二乘方法的ARIMA模型在股票指數預測中的應用[J]. 方坷昊,趙凌.  四川文理學院學報. 2018(05)
[4]基于BP神經網絡的五大連池重碳酸礦泉水水質預測研究[J]. 曾穎,楊臣,王希英,方振興.  黑龍江科學. 2018(16)
[5]雙隱含層BP神經網絡模型在老哈河水質預測中的應用[J]. 查木哈,盧志宏,翟繼武,張福順.  水資源與水工程學報. 2018(02)
[6]時間序列模型在水源水化學耗氧量預測中的應用[J]. 董國慶,孫伯寅,李崢,張榮.  環(huán)境與健康雜志. 2018(03)
[7]融合ARIMA模型和GAWNN的溶解氧含量預測方法[J]. 吳靜,李振波,朱玲,李晨.  農業(yè)機械學報. 2017(S1)
[8]海洋水質模型研究進展及發(fā)展趨勢[J]. 于寒,楊靜,劉桂梅.  海洋預報. 2017(02)
[9]改進的QGA-BP模型在彌苴河總氮量預測中的應用[J]. 龍華,趙繼東,王曉東,杜慶治,胡婷,邵玉斌.  環(huán)境工程學報. 2016(11)
[10]拉依達準則在處理區(qū)域水文數據異常值中的應用[J]. 侍建國,張亦飛.  海河水利. 2016(05)

博士論文
[1]富營養(yǎng)化初期湖泊（洱海）的環(huán)境演變及營養(yǎng)物基準/標準研究[D]. 陳小華.華東師范大學 2015
[2]基于計算智能的水產養(yǎng)殖水質預測預警方法研究[D]. 劉雙印.中國農業(yè)大學 2014
[3]我國典型海域富營養(yǎng)化特征、評價方法及其應用[D]. 吳在興.中國科學院研究生院（海洋研究所） 2013
[4]湖泊三維水動力水質模型研究與應用[D]. 田勇.華中科技大學 2012
[5]EMD算法研究及其在信號去噪中的應用[D]. 王婷.哈爾濱工程大學 2010
[6]支持向量機在湖泊富營養(yǎng)化評價及水質預測中的應用研究[D]. 武國正.內蒙古農業(yè)大學 2008
[7]河口富營養(yǎng)化及其與赤潮生態(tài)關系的研究[D]. 姜海萍.河海大學 2002
[8]淺海與湖泊三維環(huán)流及水質數值模擬研究和應用[D]. 王惠中.河海大學 2001

碩士論文
[1]基于決策樹和相關權重的水質評價與時序預測研究[D]. 王盼盼.河北大學 2018
[2]基于支持向量機的漁業(yè)養(yǎng)殖水質預測與預警[D]. 孟連子.天津理工大學 2018
[3]長春市典型水庫水質綜合評價及預測研究[D]. 王兆波.長春工程學院 2018
[4]基于ARIMA-DBN的水質參數預測模型研究[D]. 呂蘇娜.上海海洋大學 2017
[5]基于時間序列分析的松花江流域水質預測[D]. 石月.哈爾濱師范大學 2015
[6]鄱陽湖區(qū)富營養(yǎng)化時空分布特征分析及WASP模型水質預測[D]. 張玲霞.南昌大學 2015
[7]基于LOADEST和PAG/RNN模型的非點源污染河流營養(yǎng)物負荷量模擬與預測研究[D]. 張柏發(fā).浙江大學 2015
[8]基于支持向量回歸的水質預測研究[D]. 梁勇.武漢理工大學 2012
[9]基于時序神經網絡的藻類水華預測模型研究[D]. 黃浙豐.浙江大學 2011
[10]基于人工神經網絡的水質預測及MATLAB實現(xiàn)[D]. 梁楠.長安大學 2007



本文編號：2998117