水產(chǎn)前沿網(wǎng),網(wǎng)聚全球水產(chǎn)華人!

水產(chǎn)前沿網(wǎng) | 網(wǎng)聚全球水產(chǎn)華人

 找回密碼
 注冊
查看: 2148|回復(fù): 0
打印 上一主題 下一主題

米來資訊丨淡水養(yǎng)殖池塘水華問題預(yù)測及池水凈化處理方法

[復(fù)制鏈接]

1628

主題

10

聽眾

3639

積分

版主

Rank: 7Rank: 7Rank: 7

  • TA的每日心情
    財源享通
    2020-1-13 10:45
  • 簽到天數(shù): 96 天

    [LV.6]常住居民II

    帖子
    2005
    精華
    1
    經(jīng)驗
    3639 點
    金幣
    12889 元
    注冊時間
    2014-11-11
    跳轉(zhuǎn)到指定樓層
    樓主
    發(fā)表于 2017-1-13 14:58:46 |只看該作者 |倒序瀏覽
    淡水養(yǎng)殖池塘水華問題預(yù)測及池水凈化處理方法




    水產(chǎn)前沿網(wǎng)


    1、水華問題的背景

      目前,我國池塘養(yǎng)殖水產(chǎn)品占總淡水養(yǎng)殖的70%,所以,池塘養(yǎng)殖中出現(xiàn)的各類問題就顯得尤為重要,直接關(guān)系到水產(chǎn)品品質(zhì)及消費者安全。

      對于長期進(jìn)行傳統(tǒng)養(yǎng)殖模式的池塘,水體富營養(yǎng)化程度高,藍(lán)藻、輪蟲等引起的水華問題尤為突出,水華的大面積長時間存在對魚類的生長極為不利,嚴(yán)重時還會引發(fā)含氧量大大降低,水質(zhì)惡化,魚類中毒等事故。并由此造成的嚴(yán)重環(huán)境污染及水體污染,對養(yǎng)殖業(yè)是一個嚴(yán)重的打擊。因此,分析水華產(chǎn)生的原因,進(jìn)而有效預(yù)測水華的發(fā)生,從而提出控制、預(yù)防水華的方法,保證池塘養(yǎng)殖業(yè)高效健康發(fā)展。

    2、水華問題的原因分析

      根據(jù)查閱資料我們發(fā)現(xiàn)水華的發(fā)生和池塘中理化因子(池水中無機鹽和有機物的含量及環(huán)境因素)有著很大的因果關(guān)系,理化因子的不正常變動會引起浮游植物和生物的數(shù)量的劇增,進(jìn)而導(dǎo)致水華,所以理化因子的量值關(guān)系就成為了水華問題分析的關(guān)鍵。于是,我們用SPSS軟件對池塘中主要理化因子進(jìn)行回歸和相關(guān)性分析,從而得到池塘水中理化因子(總氮、總磷、磷酸鹽磷,硝態(tài)氮、亞硝態(tài)氮)含量的回歸關(guān)系。結(jié)果顯示總氮含量與總磷、磷酸鹽磷含量為正相關(guān),與硝態(tài)氮、亞硝態(tài)氮含量為負(fù)相關(guān)。總氮與總磷之間為三角函數(shù)與多項式的復(fù)合關(guān)系,總氮含量隨總磷含量上升總體趨勢為上升,但過程中出現(xiàn)周期性變化?偭着c無機磷(即磷酸鹽磷)為正相關(guān)的線性關(guān)系。

    3、池塘水華問題的預(yù)測

    3.1 預(yù)測水華問題所需的理化因子
      我們利用SPSS對池塘中理化因子進(jìn)行主成分分析,以此來選擇對于整個系統(tǒng)影響較大的理化因子并對它們進(jìn)行后續(xù)分析。主成分分析是利用降維思想,在損失很少信息的前提下把多個指標(biāo)轉(zhuǎn)化為幾個綜合指標(biāo)的多元統(tǒng)計方法。這樣在研究復(fù)雜問題時容易抓住主要矛盾,揭示其規(guī)律性,同時使問題得到簡化,提高效率。綜合分析相關(guān)系數(shù)和主成分系數(shù)的可得水華問題的主要理化因子為水溫、銨態(tài)氮、鹽度、透明度、總堿度、總磷、磷酸鹽磷。

    3.2 水華問題預(yù)測所涉及的模型
      本題中牽涉到的影響理化因子較多,因此建立一般的模型將會比較復(fù)雜。而神經(jīng)網(wǎng)絡(luò),作為當(dāng)下熱門的信息處理結(jié)構(gòu),通過調(diào)整所包含的神經(jīng)元節(jié)點之間的復(fù)雜連接來達(dá)到處理信息的目的,適合于本問題的數(shù)學(xué)建模。

    3.3 模型建立
      對于某池塘1~15周數(shù)據(jù),我們選取主要的理化因子為模型輸入端,以水華發(fā)生時的浮游生物總量作為模型的輸出端,整合數(shù)據(jù)后加以時間軸并歸一化作為神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集。每次訓(xùn)練神經(jīng)網(wǎng)絡(luò),我們在數(shù)據(jù)集中隨機選取70%的數(shù)據(jù)作為訓(xùn)練集,15%作為測試集,15%作為驗證集,采用包含延遲為2~10個隱藏神經(jīng)元的時間序列神經(jīng)網(wǎng)絡(luò),使用Levenberg-Marquardt訓(xùn)練算法進(jìn)行訓(xùn)練,直到獲得比較理想的神經(jīng)網(wǎng)絡(luò)。

    3.4 預(yù)測結(jié)果
      由結(jié)果分析,我們可以看出隨著時間的增長,浮游生物的含量出現(xiàn)很大波動,但總體趨勢仍是下降的。這表明我們的池塘生態(tài)系統(tǒng)具有一定的自我修復(fù)能力,在這一期間我們要嚴(yán)格控制以上主要理化因子的排放量,保證水華問題的有效預(yù)防。

    4、水華問題的治理——生態(tài)養(yǎng)殖模式

      到目前為止,我國池塘養(yǎng)殖面積超過300萬h㎡,養(yǎng)殖的水產(chǎn)品是市場上水產(chǎn)品供應(yīng)的主要來源,池塘的生態(tài)養(yǎng)殖技術(shù)意義重大,關(guān)系到人民生活質(zhì)量及國家國民經(jīng)濟(jì)發(fā)展。但在大規(guī)模養(yǎng)殖的背景下,出現(xiàn)了傳統(tǒng)粗放型養(yǎng)殖的很多問題,如:水體富營養(yǎng)化、溶氧量低、有害物質(zhì)含量多等,嚴(yán)重危及養(yǎng)殖水產(chǎn)品的質(zhì)量安全。

      綜合附件信息及相關(guān)專業(yè)資料,我們構(gòu)建了一種新型的生態(tài)養(yǎng)殖模式,最大化利用資源,最小化減少排放,保證淡水養(yǎng)殖水產(chǎn)品的質(zhì)量安全及環(huán)境友好。

    “養(yǎng)魚先養(yǎng)水,養(yǎng)水先養(yǎng)泥!庇捎隰~代謝物、水生動物植物尸體的都會沉積在底泥中腐爛,氮和磷含量高,耗氧量高。是污染物的匯集地和營養(yǎng)元素的發(fā)源地。

    具體做法:
    1)養(yǎng)殖之前先將底泥消毒處理,并種植適量的水草供魚類食用,以利用高含量的氮和磷。
    2)根據(jù)不同魚類各自生活習(xí)性,采取混合搭養(yǎng)的方式,充分利用而餌料,并減少殘余餌料在底泥中分解消耗氧氣。
    3)根據(jù)不同物種生活習(xí)性,采用多池塘并行養(yǎng)殖的方式,綜合利用池塘中富營養(yǎng)物質(zhì),減少或避免對環(huán)境的排放污染。


    來自水產(chǎn)養(yǎng)殖網(wǎng)

    相關(guān)帖子

    http://milai168.taobao.com

    發(fā)表回復(fù)

    您需要登錄后才可以回帖 登錄 | 注冊

    Archiver|手機版|關(guān)于我們|廣告業(yè)務(wù)|加入我們|聯(lián)系方式|免責(zé)聲明|

    回頂部