Прогнозирование численности Microcystis aeruginosa на основе правил нечеткой логики и нечетких нейронных сетей

Анна Олеговна Гаязова, Санжар Муталович Абдуллаев

Аннотация


Описана процедура поиска потенциальных предикторов и создания прогнозных
правил нечеткой логики и нечетких нейронных сетей для последующего прогнозирования вспышек численности синезеленой водоросли M. aeruginosa. В результате натур-ных наблюдений ряда биотических и абиотических параметров водной среды, проведенных на озере Смолино (г. Челябинск) за теплый период 2009 и 2011 года получены временные ряды численности M. aeruginosa и значений сопутствующих параметров. С помощью кросс-корреляционного анализа данных установлено, что потенциальными предикторами квазипериодических колебаний численности M. aeruginosa с периодом 12-20 дней могут выступать численность водоросли P. duplex , температура воды и концентрация нитрат-иона. По результатам кросс-корреляционного анализа заданы прогнозные правила и функции принадлежности в диапазоне изменений предиктанта и предиктора от нуля до 1. Для «автоматического» задания прогнозных правил и функций принадлежности с помощью специально написанной программы произведено обучение нечеткой нейронной сети на данных о значениях предиктанта и отобранных в ходе предварительного анализа параметров-предикторов. Для сравнения результатов дополнительно осуществлена линейная экстраполяция данных о численности предиктанта. Выявлено, что экстраполяционный прогноз хорошо работает на квазилинейных интервалах изменения численности, а алгоритмы нечеткой логики потенциально способны определить время наступления интенсивных вспышек численности предиктанта.


Ключевые слова


M. aeruginosa, прогнозирование вспышек, квазипериодические колебания, линейная экстраполяция, нечеткая логика, нечеткие нейронные сети

Полный текст:

PDF

Литература


Marsili-Libelli, S. Fuzzy Prediction of the Algal Blooms in the Orbetello Lagoon /S. Marsili-Libelli, G. Pacini, C. Barresi // Environmental Modeling & Software 19. – 2004. – P. 799–808.

Oh, H.-M. Community Patterning and Identification of Predominant Factors in Algal Bloom in Daechung Reservoir (Korea) Using Artificial Neural Networks / H.-M. Oh, Ch.-Y. Ahn, J.-W. Lee, T.-S. Chon, K.H. Choi, Y.-S. Park // Ecological modeling. – 2007. – Vol. 203. – P. 109–118.

Гаязова, A.O. Исследование сезонной динамики массовых видов фитопланктона озера Смолино / А.О. Гаязова, С.М. Абдуллаев // Вестник Челябинского государственного университета. Экология и природопользование. – 2011. – № 5(220). Вып. 5. – С. 70–75.

Гаязова, А.О. Оценка факторов среды, определяющих массовое развитие Microcystis aeruginosa в озере Смолино (г. Челябинск) / А.О. Гаязова // Биоиндикация в мониторинге пресноводных экосистем II. Сборник материалов международной конференции. – СПб.: Любавич, 2011. – С. 114–118. 5. Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH /А.В. Леоненков. – СПб.: БХВ-Петербург, 2005. – 736 с.

Руководство по краткосрочным прогнозам погоды. / под. ред. С.Л. Белоусова, А.А. Васильева, Н.Ф. Вельтищева и др. – Л.: Гидрометеоиздат, 1986. – Ч. I. –702 с.




DOI: http://dx.doi.org/10.14529/cmse120201