摘要：【目的】 为预测研究黄河下游引黄水库富营养化风险，助力提升水源水质监测预警和应急响应能力，文章开展了麻雀搜索耦合极限梯度提升算法(SSA-XGBoost)的模型构建研究和应用。 【方法】 文章以济南市2座典型引黄水库为研究对象，利用其2013年—2022年的水质历史数据和同期气象数据，针对其高总氮、高氮磷比、高藻等水质污染特征，采用计算效率高、预测性能优秀的极限梯度提升算法(XGBoost)并使用麻雀搜索算法(SSA)对其4个超参数进行寻优，以影响富营养化的水体理化性质、营养盐以及太阳光照等关键因子，如水温、pH、溶解氧、高锰酸盐指数、浑浊度、总磷、总氮、氨氮、硝酸盐、氮磷比、7 d日照时数均值、7 d太阳辐射总量均值12个指标为模型输入变量，以表征藻类生物量的重要指标叶绿素a为输出变量，构建了适于济南市2座引黄水库的水体富营养化预测预警模型。 【结果】 SSA-XGBoost富营养化预测模型的均方根误差(RMSE)为4.25 μg/L，平均绝对误差(MAE)为3.19 μg/L，拟合优度(R2)为0.77，其预测精度优于BP神经网络模型和支持向量机模型，叶绿素a等级预测准确率可达85%以上，对2座引黄水库叶绿素a预测结果影响最大的变量为pH，其次为硝酸盐，再者为高锰酸盐指数。 【结论】 总体上，SSA-XGBoost富营养化预测模型精度较高、性能良好、实用性强，模型的构建研究和应用将为2座引黄水库藻类风险预测预警提供参考和依据。

关键词：引黄水库，SSA-XGBoost，富营养化，叶绿素a，预测预警

基金资助：国家重点研发计划(2021YFC3200904);山东省重大科技创新工程项目(2020CXGC011406);国家水体污染控制与治理科技重大专项(2017ZX07502002)

下载

查看