中国环境科学

作者：嵇晶晶, 佘冬立, 阿力木·阿布来提, 潘永春

单位：河海大学农业科学与工程学院, 江苏 南京 211100

关键词：溶存氧化亚氮浓度,BP神经网络,优化算法,水质监测

基金：国家自然科学基金(42177393)

本研究选取宁夏青铜峡灌区的典型盐渍化农田排水沟作为研究对象,基于采集的排水沟上覆水体关键水质参数溶解性有机碳(DOC)、水温(WT)、硝态氮(NO3--N)和电导率(EC),构建了参数优化后的N2O溶存浓度反向传播(BP)神经网络预测模型,并通过遗传算法(GA)和蚁群算法(ACO)对模型进行了优化,以提高预测精度和稳定性.结果表明,EC的增加显著促进了排水沟上覆水体中氧化亚氮(N2O)的溶存浓度的提升,NO3--N、EC与N2O溶存浓度之间存在极显著的正相关关系,而WT、DOC则与N2O溶存浓度表现出显著的负相关性.利用排水沟上覆水体N2O溶存浓度实测数据进行验证,证实了所构建模型的有效性和可靠性,其中ACO-BP模型预测值和实测值的相关系数均大于0.70,最佳情况下R2达到了0.79,平均相对误差(MRE)仅为7.26%.

来源：2024年第10期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2024年第10期