张 颖

(上海海事大学信息工程学院，上海 201306)

0 引言

随着经济发展和工业化进程的不断推进，环境污染日益严重.过度排放使得富含氮、磷的污染物质随着江河不断流入大海，导致海水中的藻类过度繁殖、赤潮等灾害频繁爆发，给海洋环境以及周边人们的生产生活带来严重危害.动态监测近海海水中藻类的繁殖状况，可以有效了解海水水质的变化情况，掌握周边河流和陆地向海洋的排放状况，预测藻类爆发性繁殖等灾害的发生，并据此提前建立预警机制或采取相应的防范措施，尽可能减少灾害所造成的损失.对藻类的动态监测结果还可以作为近海环境动态评价的依据，作为制定上下游整体经济发展规划、统筹产业规划的参考，以保证经济和社会的可持续发展.

大量研究［1-2]表明，藻类的生长与海水的硝酸盐含量、光透度、温度、含盐度、氧溶量等十几种理化因子的变化有着密切关系.叶绿素a是表征水体中藻类含量的最直接指标，也是反映水体中浮游生物量的综合指标［3-4]，根据其含量变化可以了解浮游植物生物量及其变化趋势.本文将主成分分析法(Principal Component Analysis，PCA)与模糊反向传播(Back Propagation，BP)网络建模方法相结合，研究海水中各种理化因子与藻类浓度间的关系及规律，建立状态预测模型，实现对近海水域藻类繁殖情况的预测.

1 PCA

PCA由霍特林于1933年正式提出，是一种通过降维技术把多个变量化为少数几个主成分(称为原变量的线性组合，即综合变量……