水华产生的原因及治理措施

　　

　　目前，我国池塘养殖水产品占总淡水养殖的70%，所以，池塘养殖中出现的各类问题就显得尤为重要，直接关系到水产品品质及消费者安全。

　　

　　对于长期进行传统养殖模式的池塘，水体富营养化程度高，蓝藻、轮虫等引起的水华问题尤为突出，水华的大面积长时间存在对鱼类的生长极为不利，严重时还会引发含氧量大大降低，水质恶化，鱼类中毒等事故。并由此造成的严重环境污染及水体污染，对养殖业是一个严重的打击。因此，分析水华产生的原因，进而有效预测水华的发生，从而提出控制、预防水华的方法，保证池塘养殖业高效健康发展。

　　

　　

　　根据查阅资料我们发现水华的发生和池塘中理化因子（池水中无机盐和有机物的含量及环境因素）有着很大的因果关系，理化因子的不正常变动会引起浮游植物和生物的数量的剧增，进而导致水华，所以理化因子的量值关系就成为了水华问题分析的关键。于是，我们用SPSS软件对池塘中主要理化因子进行回归和相关性分析，从而得到池塘水中理化因子（总氮、总磷、磷酸盐磷，硝态氮、亚硝态氮）含量的回归关系。结果显示总氮含量与总磷、磷酸盐磷含量为正相关，与硝态氮、亚硝态氮含量为负相关。总氮与总磷之间为三角函数与多项式的复合关系，总氮含量随总磷含量上升总体趋势为上升，但过程中出现周期性变化。总磷与无机磷（即磷酸盐磷）为正相关的线性关系。

　　

　　

　　

　　我们利用SPSS对池塘中理化因子进行主成分分析，以此来选择对于整个系统影响较大的理化因子并对它们进行后续分析。主成分分析是利用降维思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。这样在研究复杂问题时容易抓住主要矛盾，揭示其规律性，同时使问题得到简化，提高效率。综合分析相关系数和主成分系数的可得水华问题的主要理化因子为水温、铵态氮、盐度、透明度、总碱度、总磷、磷酸盐磷。

　　

　　

　　本题中牵涉到的影响理化因子较多，因此建立一般的模型将会比较复杂。而神经网络，作为当下热门的信息处理结构，通过调整所包含的神经元节点之间的复杂连接来达到处理信息的目的，适合于本问题的数学建模。

　　

　　

　　对于某池塘1～15周数据，我们选取主要的理化因子为模型输入端，以水华发生时的浮游生物总量作为模型的输出端，整合数据后加以时间轴并归一化作为神经网络的数据集。每次训练神经网络，我们在数据集中随机选取70%的数据作为训练集，15%作为测试集，15%作为验证集，采用包含延迟为2～10个隐藏神经元的时间序列神经网络，使用Levenberg-Marquardt训练算法进行训练，直到获得比较理想的神经网络。

　　

　　

　　由结果分析，我们可以看出随着时间的增长，浮游生物的含量出现很大波动，但总体趋势仍是下降的。这表明我们的池塘生态系统具有一定的自我修复能力，在这一期间我们要严格控制以上主要理化因子的排放量，保证水华问题的有效预防。

　　

　　

　　到目前为止，我国池塘养殖面积超过300万h㎡，养殖的水产品是市场上水产品供应的主要来源，池塘的生态养殖技术意义重大，关系到人民生活质量及国家国民经济发展。但在大规模养殖的背景下，出现了传统粗放型养殖的很多问题，如：水体富营养化、溶氧量低、有害物质含量多等，严重危及养殖水产品的质量安全。

　　

　　综合附件信息及相关专业资料，我们构建了一种新型的生态养殖模式，最大化利用资源，最小化减少排放，保证淡水养殖水产品的质量安全及环境友好。

　　

　　“养鱼先养水，养水先养泥。”由于鱼代谢物、水生动物植物尸体的都会沉积在底泥中腐烂，氮和磷含量高，耗氧量高。是污染物的汇集地和营养元素的发源地。

　　

　　具体做法：

　　

　　1）养殖之前先将底泥消毒处理，并种植适量的水草供鱼类食用，以利用高含量的氮和磷。

　　

　　2）根据不同鱼类各自生活习性，采取混合搭养的方式，充分利用而饵料，并减少残余饵料在底泥中分解消耗氧气。

　　

　　3）根据不同物种生活习性，采用多池塘并行养殖的方式，综合利用池塘中富营养物质，减少或避免对环境的排放污染。