戴青松,王沛芳,王 超,姚 羽,俞 阳,刘佳佳,侯 俊
(1.河海大学环境学院,南京 210098;2.河海大学浅水湖泊综合治理与资源开发教育部重点实验室,南京 210098)
随着经济的发展和人口的快速增长,我国的河流湖泊受到不同程度的污染[1],湖泊富营养化发展速度加快。污染物来源复杂、危害大、处理困难,导致了水源地水质恶化难以处理,严重威胁着饮用水供水安全[2,3]。二河位于洪泽湖东边,是淮安市重要的河流型水源地[4]。二河闸位于二河流域上游,是洪泽湖出湖的主要控制工程之一,其总氮(TN)、总磷(TP)作为富营养化的重要指标近年来均出现了超标情况,同时溶解氧(DO)作为指示河流污染程度的指标之一波动幅度较大,不利于水生生物的生长繁殖,因此对二河闸TN、TP和DO指标的准确预测对水源地水质管理和规划管理十分重要。
水质预测模型主要有两类[5,6],一类是水质机理预测模型,另一类是数据驱动水质预测模型。神经网络模型和支持向量机模型是当前主要研究的数据驱动预测模型。研究发现,支持向量机模型,具有模型计算简单、推广适应能力强等优点[1,7]。刘双印等人[8]在养殖水质预测中,利用了主成分分析、改进文化鱼群算法和最小二乘支持向量机模型,得到的相对误差小于8%。程庭莉[9]将差分自回归移动平均模型和支持向量机结合使用,并且采用变种群的自适应遗传算法优化SVM参数,得到了较优的结果。梁坚等人[10]将小波变换引入到支持向量机中,预测的平均绝对百分比误差减小到了4.54%。……