第59卷第6期2023年6月GANSUWATERRESOURCESANDHYDROPOWERTECHNOLOGY甘肃水利水电技术Vol.59，No.6Jun.，2023DOI：10.19645/j.issn2095-0144.2023.06.004收稿日期：2023-04-29基金项目：北京水务青年科技骨干人才培养计划（BWAPT202001）作者简介：王超（1984-），男，北京人，工程师，硕士，主要从事城市河湖水文水资源管理、水生态修复，E-mail：285011659@qq.com。常规调水条件下城市河湖易发区域水华预测研究王超1，2，艾晓多2，温馨2，王思思2（1.北京市水科学技术研究院，北京100048；2.北京市永定河管理处，北京100165）摘要：针对传统预测模型存在的训练数据不足、预测精度有限等问题，研究提出了一种基于机理模型的叶绿素a浓度预测模型（CHLa-BP），该模型基于验证后水动力水质二维耦合模型模拟出的水华潜在高风险区的关键指标数据，结合BP神经网络对湖区叶绿素a浓度进行预测。结果表明：CHLa-BP模型预测出的结果，其训练阶段回归系数为0.918，均方根误差为21.63；测试阶段回归系数为0.880，均方根误差为24.33，均达到较好性能。通过建立的模型联用预测方法，可以有效预测水华发展趋势，协助管理人员提前做好应对措施，为城市河湖精细化管理提供科学依据。关键词：水华；叶绿素；浓度预测；城市河湖；永定河中图分类号：X143文献标志码：A文章编号：2095-0144（2023）06-0014-051前言水环境出现问题会造成生物死亡及生态衰退[1]。为了使河湖保持良好状态，可以通过定期监测某个断面的信息量进行预测预警，但效果有限。这主要是由于单个“点位”的藻类信息无法代表整个湖区的藻类发展状态，也无法体现表层水体的藻类空间发展异质特征。而藻类空间分布对生态系统的结构和功能、水环境及人类社会都具有重要作用。以往的线性分析，无法满足内部机制复杂的水环境问题。随着预测技术在水体研究中的逐步应用，众多学者将神经网络与多种算法相结合，在多种场景下分别取得了较好的应用效果，同时推动了估算模型的发展[2-6]。模型间的联用还提升了模型性能。赵桂生等[7]通过两种模型预测了我国的农业灌溉用水，为农业灌溉用水提供了标准；刘晶晶等[8]基于长短期记忆神经网络结合K-Similarity降噪方式，有效预测了水质发展；胡晴晖等[9]基于多模型优势，提取数据特征，构建了水质预测模型，取得了较好效果。结合水环境模型与机器学习，可以充分发挥非同类模型的应用价值。马金锋等[10]描绘了水环境模型与机器学习的融合框架，指出了融合模型的发展方向...
