米來(lái)資訊丨淡水養(yǎng)殖池塘水華問(wèn)題預(yù)測(cè)及池水凈化處理方法

米來(lái)-小米

淡水養(yǎng)殖池塘水華問(wèn)題預(yù)測(cè)及池水凈化處理方法

1、水華問(wèn)題的背景

  目前，我國(guó)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(wèn)題就顯得尤為重要，直接關(guān)系到水產(chǎn)品品質(zhì)及消費(fèi)者安全。

  對(duì)于長(zhǎng)期進(jìn)行傳統(tǒng)養(yǎng)殖模式的池塘，水體富營(yíng)養(yǎng)化程度高，藍(lán)藻、輪蟲(chóng)等引起的水華問(wèn)題尤為突出，水華的大面積長(zhǎng)時(shí)間存在對(duì)魚類的生長(zhǎng)極為不利，嚴(yán)重時(shí)還會(huì)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(duì)養(yǎng)殖業(yè)是一個(gè)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(cè)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(wèn)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(wú)機(jī)鹽和有機(jī)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(dòng)會(huì)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(wèn)題分析的關(guān)鍵。于是，我們用SPSS軟件對(duì)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)�？偟�與總磷之間為三角函數(shù)與多項(xiàng)式的復(fù)合關(guān)系，總氮含量隨總磷含量上升總體趨勢(shì)為上升，但過(guò)程中出現(xiàn)周期性變化�？偭着c無(wú)機(jī)磷（即磷酸鹽磷）為正相關(guān)的線性關(guān)系。

3、池塘水華問(wèn)題的預(yù)測(cè)

3.1 預(yù)測(cè)水華問(wèn)題所需的理化因子
  我們利用SPSS對(duì)池塘中理化因子進(jìn)行主成分分析，以此來(lái)選擇對(duì)于整個(gè)系統(tǒng)影響較大的理化因子并對(duì)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(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法。這樣在研究復(fù)雜問(wèn)題時(shí)容易抓住主要矛盾，揭示其規(guī)律性，同時(shí)使問(wèn)題得到簡(jiǎn)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(wèn)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(wèn)題預(yù)測(cè)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(huì)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(guò)調(diào)整所包含的神經(jīng)元節(jié)點(diǎn)之間的復(fù)雜連接來(lái)達(dá)到處理信息的目的，適合于本問(wèn)題的數(shù)學(xué)建模。

3.3 模型建立
  對(duì)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(shí)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(shí)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?cè)跀?shù)據(jù)集中隨機(jī)選取70%的數(shù)據(jù)作為訓(xùn)練集，15%作為測(cè)試集，15%作為驗(yàn)證集，采用包含延遲為2～10個(gè)隱藏神經(jīng)元的時(shí)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(cè)結(jié)果
  由結(jié)果分析，我們可以看出隨著時(shí)間的增長(zhǎng)，浮游生物的含量出現(xiàn)很大波動(dòng)，但總體趨勢(shì)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(wèn)題的有效預(yù)防。

4、水華問(wèn)題的治理——生態(tài)養(yǎng)殖模式

  到目前為止，我國(guó)池塘養(yǎng)殖面積超過(guò)300萬(wàn)h㎡，養(yǎng)殖的水產(chǎn)品是市場(chǎng)上水產(chǎn)品供應(yīng)的主要來(lái)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(guó)家國(guó)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(wèn)題，如：水體富營(yíng)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。”由于魚代謝物、水生動(dòng)物植物尸體的都會(huì)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(yíng)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(yíng)養(yǎng)物質(zhì)，減少或避免對(duì)環(huán)境的排放污染。

來(lái)自水產(chǎn)養(yǎng)殖網(wǎng)