Neural network modeling of the eutrophication mechanism in Lake Chenghai and corresponding scenario analysis

揭示湖泊的富营养化发生机制、定量了解关键生源要素与藻类爆发的因果关联对有效改善湖泊水质和富营养化状况具有重要的科学与决策意义.以云南省程海为例,建立了基于神经网络的响应模型,对富营养化机理进行了研究,并从富营养化核心驱动因子识别、神经网络模型构建与架构分析以及叶绿素a( Chl a)与TN、TP浓度降低的响应模拟几个方面对面临的科学问题进行探索.模拟结果表明,神经网络模型必须在适当的架构下才能产生科学合理的结果；程海的富营养化机制由一个氮(N)、磷(P)共限制的营养盐-藻类动力结构主导,但在此主导结构下拥有氮型限制的次级结构.基于神经网络模型模拟,推导出一系列基于湖体水质控制的Chl a响应的非线性函数,为程海的富营养化控制提供了快速决策支持.云南省科技厅社会事业发展专项; 国家水体污染控制与治理科技重大专项中文核心期刊要目总览(PKU)中国科技核心期刊(ISTIC)中国科学引文数据库(CSCD)02448-4563