渤海赤潮藻类生态动力学模型的非线性动力学研究

基于渤海典型赤潮藻类——中肋骨条藻 ,考虑浮游动物的捕食、光照及营养物质的作用 ,建立了渤海湾的浮游动物—藻类—营养物质三者的动力学模型。运用现代非线性动力学理论着重分析了模型的稳定性及分岔行为。研究了多个参数对藻类生长的影响 ,发现某些参数对藻类的生长影响不大 ,而某些参数则会致使藻类模型出现分岔乃至混沌行为 ,并给出了这些参数的阀值 ,这与赤潮的形成 (爆发性增殖 )密切相关 ;并根据渤海湾的赤潮数据进行了有效的数值模拟 ,所得结果对于研究赤潮的形成机理有一定的参考价值     

多元自适应样条回归预报浮游植物总量分析

在浮游植物总量与环境因子的定量关系研究中,使用了多元自适应样条回归模型。基于2003年5-9月渤海湾地区浮游植物总量及各种环境因子的实测数据,经过与投影寻踪回归模型预报结果对比,表明多元自适应样条回归很好地反映了浮游植物总量与环境因子定量关系并且是预报赤潮的较好模型。     

基于DEA的天津市海洋生态经济可持续发展评价

论文利用收集到的关于天津市海洋生态环境数据和海洋经济数据,构建评价海洋可持续发展的指标体系,运用DEA方法对该指标体系进行分析,采用有效性的概念来评价天津市海洋生态经济的可持续发展的水平及可持续发展所遇到的阻力。     

海洋生态系统非线性动力学研究

海洋生态经济系统非线性动力学模型的建立及分析,对我国海洋生态经济发展乃至社会经济的发展都具有重要意义.建立了新的海洋生态经济系统动力学模型,研究了模型的稳定性和分岔现象,揭示了该系统的非线性动力学特性.     

知识发现在赤潮预测预警系统研究中的应用

目前大多数赤潮的预测研究工作着重在系统模型的准确性上，忽视模型所能提供的对生态系统行为的相互关系的解释的很多信息。而机器学习所获得的知识能够帮助对生态行为之间的因果关系更深入的认识。文章将知识发现技术应用于海洋检测数据之中，取得了较好的效果，这将对于赤潮预测预警系统的研究与建立起着关键的作用。     

COD浓度非线性检验与预测

采用 BDS、Box-Pierce 和 Ljung-Box 方法对 1995-2005 年渤海化学耗氧量(COD) 浓度历史监测数据的独立性进行了检验,采用代替数据检验 IAAFT、White 和 Terasvirta 人工神经网络弱非线性检验、Hinich 双谱检验以及无 Fourier 变换检验进行了相关性的非线性检验,判断出渤海 COD 不独立且线性相关.综合比较线性 ARMA、局部线性、规则集成、随机森林、随机梯度Boosting、支持向量、人工神经网络、自适应样条 8 种预测方法,结果表明线性 ARMA 模型误差均值和方差最小,证明线性 ARMA模型更适合分析渤海 COD 数据,同时证实了前述各种非线性检验结果的可靠性.     

基于生态系统的赤潮综合治理研究

文中综述了生态系统管理的概念以及原则,并在此基础上提出了基于生态系统管理的赤潮灾害综合防治策略。     

浮游植物密度的人工神经网络预测研究

将人工神经网络模型应用于藻类密度数据的预测计算之中,并利用遗传算法对其网络结构进行优化计算以保证计算结果的准确性且自动确定网络结构,分别对神经网络的“当天模型”和“预测模型”进行了计算。结果显示：几种人工神经网络模型在计算精度以及预测数据的趋势上都有较好的效果,目前国内学者使用的人工神经网络“当天模型”无法对其后数据进行预测,不能起到实际预测的作用,而经过遗传算法优化后的人工神经网络“预测模型”不仅达到了很好的预测效果,而且网络结构简单,适用于浮游植物密度的预测计算。     

藻类生态系统的随机稳定性研究

为了研究随机干扰因素与藻类生态系统稳定性之间的相互关系,运用随机非线性理论建立了藻类—营养盐的随机非线性动力学模型,采用随机平均法和奇异边界理论对模型的稳定性进行了分析,结果表明随机因素对稳定性的影响很大。随机因素可以使系统稳定性发生质的变化。