摘要
水体污染会造成水中营养物质过剩,藻类大量繁殖,从而加速水体富营养化。本文对水质自动监测数据的水温(T)、pH、溶解氧(DO)、电导率(W_cond)、浊度(Turb)、高锰酸盐指数(COD_(Mn))、氨氮(NH_(3)-N)、总磷(TP)、总氮(TN)9个因子进行分析,建立预测叶绿素a(Chl-a)浓度的BP神经网络预测模型,并对样本数据做主成分分析得出前5个主成分累计贡献率达83.59%,通过不同变量的网络模型筛选出pH、DO和TP是预测Chl-a浓度的3个主要影响因子。结果表明,模型预测值和实测值相关系数R2达到0.972,为Chl-a浓度预测提供了一种环保、安全、可靠的技术方法。
出处
《资源节约与环保》
2024年第3期55-59,共5页
Resources Economization & Environmental Protection
