水库浮游植物群落动态的人工神经网络方法附视频

根据辽宁大伙房水库 1 980— 1 997年的水文和湖沼学观测资料 ,分别建立浮游植物丰度和蓝藻优势度人工神经网络模型。将年降雨量、7— 9月平均水温、7— 8月入库水量与7— 8月库容之比和磷酸盐作为输入 ,浮游植物生物量和丰度作为输出 ,建立浮游植物群落消长的人工神经网络模型 ;将 7— 9月平均水温、7— 8月入出库水量之比、磷酸盐和总氮作为输入 ,蓝藻优势度作为输出 ,建立浮游植物演替的人工神经网络预测模型 ,并进行检验 ,其模拟值与观测值平均相对误差分别为 2 %和 1 %。结果表明 ,人工神经网络方法优于传统的统计学模型 ,可进行水库浮游植物群落动态的预测预报 ,并具有较高的精度