淡水养殖池塘水华发生及池水净化处理摘要随着社会的的发展，越来越多的人加入到水产养殖行业，而其中池塘养殖产量约占淡水养殖的70%。

但是随着淡水生态系统水体污染和富营养化进程的加剧，经常导致有害蓝藻、轮虫等常见的浮游生物高密度发生，很容易诱发大面积水华。

水华造成严重的环境污染及水体污染，对养殖业是一个严重的打击。

本文主要采用了MATLAB程序中的相关系数分析，模糊综合评价，单侧检验等方法对淡水养殖池塘水华发生及池水净化处理的相关问题进行了分析，建立相关模型。

针对问题一，首先将题目中要进行分析的量给找出来，同时将他们运用MATLAB进行相关系数分析，在此基础上分析水体、底泥与间隙水中常见主要理化因子之间的关系，并分析原因。

分析水体、底泥与间隙水中常见主要理化因子之间的关系，并分析原因。

针对问题二，建立模糊综合评价。

首先，对数据指标进行归一化处理，并利用层次分析法和因子分析法确定各指标因素的权重，最后利用确定的权重，建立池塘水体质量的综合评价模型，对池塘水体质量进行分级。

针对问题三，建立单侧检验相关性模型。

首先，运用SPSS软件分析理化因子与水华发生的相关性；然后进一步分析，得出结论。

针对问题四，利用MATLAB建立鱼类生长周期体重模型，运用二次函数建立关于体重与生长周期的拟合方程。

建立浮游植物密度与时间的关系模型并得到图像。

针对问题五，通过网上查阅资料结合附件资料分析，可以得到有利于池水养殖池塘水体的自净化的方法，并据此提供建立生态养殖模式的方案。

关键词：单侧检验相关系数分析回归分析综合评价一、问题重述目前在我国水产养殖中，池塘养殖产量约占淡水养殖的70%。

近年来，随着淡水生态系统水体污染和富营养化进程的加剧，经常导致有害蓝藻、轮虫等常见的浮游生物高密度发生，很容易诱发大面积水华。

水华造成严重的环境污染及水体污染，对养殖业是一个严重的打击。

水华的发生不仅直接影响了养殖对象的正常生长发育，严重时大量排泄废水造成淡水资源污染，还会破坏养殖生态系统的平衡，导致养殖对象的不同程度死亡，造成巨大经济损失。

为此我们通过研究淡水养殖池塘相关主要理化因子，主要浮游生物数据及鱼虾生成等数据分析水华发生的原因，控制并预测水华的发生，从而提高养殖产量，减小环境污染等。

通过对水华发生的了解，加强大家环保意识。

根据附件1-8完成如下问题：1）通过附件1中数据分析水体、底泥与间隙水中常见主要理化因子之间的关系，并分析原因。

2）通过附件2中数据对四个池塘水体质量进行评价及分类，分析虾池与鱼池对水体的影响。

3）建立主要理化因子和常见浮游生物致害密度发生关系的模型，给出水华发生时主要理化因子的围，预测淡水养殖池塘水华发生 (1号池发生轻微水华)。

4）结合附件及以上分析，建立鱼类生长与体重相关模型。

在养殖鲢鱼、鳙鱼等的生长过程中可以摄食浮游生物，净化某些藻类，构造一个与1号池相同大小的净化池，通过水循环，并放养鲢鱼或鳙鱼，放养多少才能净化1号池中的藻类，净化效果如何。

5）结合附件及通过查阅资料构建一种生态养殖模式，有利于池水养殖池塘水体的自净化。

通过以上养殖从而使淡水养殖减少向江河湖海养殖废水排放。

二、问题分析对于问题一，对附件1中的六种理化因子与池水、间隙水和底泥的进行分析和整理，并用MATLAB对数据进行相关系数处理，并分析原因。

对于问题二，根据水池取样点报告中，采用均方差法确定各水池的各项指标的权重，并用隶属度函数对水质进行检测，最后用模糊综合评判模型对水质进行评判得出水池的水质类型。

对于问题三，要求建立主要理化因子和常见浮游生物致害密度发生关系的模型，并给出水华发生时主要理化因子的围，再根据理化因子的围预测淡水养殖池塘水华发生。

考虑对主要理化因子和常见浮游生物密度利用单侧检验建立模型对问题进行相关性和显著性分析。

对于问题四，由附件6里体重和体长的数据，利用MATLAB建立鱼类生长体重模型，运用二次函数建立关于体重体长的拟合方程。

根据附件4中浮游植物密度的数据利用MATLAB建立浮游植物密度与时间的关系模型并得到图像。

对于问题五，通过网上查阅资料结合附件资料分析，可以得到有利于池水养殖池塘水体的自净化的方法，并据此提供建立生态养殖模式的方案。

为解决上述五个问题，我们将采用Excel、SPSS、MATLAB等软件来协助分析。

三、模型假设1．假设附件中给出的数据全部真实有效2．假设不会发生任何天灾影响四个池塘3. 假设池塘主人不会对池塘疏于管理四、符号说明五、模型的建立及求解5.1问题一的模型建立及求解此问题要求对附件1中数据分析水体、底泥与间隙水中常见主要理化因子之间的关系，并分析原因。

运用MATLAB程序对附件1中的数据做相关性分析。

（程序代码见附录1-12）表1：池塘1池水中的主要理化因子的相关系数标准，可以看出超过0.5的相关系数的相关性较高，而低于0.5的则相关性较低，而相关系数为负的则不相关。

由表中数据可以得到：在池塘1中，总磷与磷酸盐磷、总氮相关系数较大；磷酸盐磷与总磷和总氮的相关系数较大；总氮和总磷、磷酸盐磷以及铵态氮相关系数较高；硝态氮与亚硝态氮的相关系数较大。

因此，在池塘1中，总磷、磷酸盐磷、总氮显著相关；亚硝态氮、硝态氮显著相关。

硝态氮、亚硝态氮显著相关。

酸盐磷、亚硝态氮相关系数较大；硝态氮、亚硝态氮相关系数较大；铵态氮、亚硝态氮相关系数较大。

因此，总磷、磷酸盐磷、总氮显著相关；磷酸盐磷、亚硝态氮显著相关；硝态氮、亚硝态氮显著相关；铵态氮、亚硝态氮显著相关。

表4：池塘4池水中的主要理化因子的相关系数铵态氮相关系数较大；因此，总磷、总氮、磷酸盐磷、硝态氮、亚硝态氮、铵态氮显著相关。

由表中可以得到：在池塘1的底泥中，磷酸盐磷、总氮相关系数较大；总氮、总磷相关系数较大。

因此，磷酸盐磷、总氮显著相关；总氮、总磷显著相关。

表6：池塘2底泥中的主要理化因子的相关系数也有少许是正相关，但其相关系数很小。

表7：池塘3底泥中的主要理化因子的相关系数总氮显著相关。

也有少许是正相关，但其相关系数很小。

氮、铵态氮显著相关。

相关系数较大。

因此，总磷、磷酸盐磷、总氮、铵态氮显著相关；亚硝态氮、硝态氮显著相关。

因此，总磷、磷酸盐磷显著相关；硝态氮、亚硝态氮显著相关。

表12：池塘4间隙水中的主要理化因子的相关系数态氮、亚硝态氮相关系数较大。

因此，总磷、磷酸盐磷显著相关；总氮、亚硝态氮显著相关；硝态氮、亚硝态氮显著相关。

5.2问题二模型的建立及求解5.21模型的准备问题二，我们对每一个观察站点进行评价，涉及溶解氧、总碱度、盐度、pH值等等因素。

根据水池取样点报告中，采用均方差法确定各水池的各项指标的权重。

对每一水池各项指标数据按公式求其均方差，将均方差归一化，公式12/112))((11)(⎥⎦⎤⎢⎣⎡--=∑=nikikXXnks，3,2,1=k，4求其均方差，将均方差归一化，得权重指标（0.6075, 0.55,0.47,0.51325）。

隶属度函数的定义长江水质检测数据带有一定的误差，为了真正反映评价对象属于某一类水的程度，需要确定评价对象的隶属度，6个评价等级，以溶解氧为例，建立隶属度函数⎪⎩⎪⎨⎧≤<-≥=5.775.6,75.075.65.7,1)(1xxxDOf，⎪⎪⎩⎪⎪⎨⎧<<--≤≤<<-=25.85.7,75.025.85.76,165.5,5.05.5)(2xxxxxDOf⎪⎪⎩⎪⎪⎨⎧<<--≤≤<<-=75.66,75.075.665,154,14)(3xxxxxDOf,⎪⎪⎩⎪⎪⎨⎧<<--≤≤<<-=5.55,5.05.553,135.2,5.05.2)(4xxxxxDOf⎪⎪⎩⎪⎪⎨⎧<<--≤≤<<-=43,1432,121,11)(5xxxxxDOf,⎪⎩⎪⎨⎧<<--≤≤=5.22,5.05.22,1)(6xxxDOf另三个指标的同样定义隶属度。

5.22 计算单因素评判矩阵对评价指标ix（1,2,3,4i=），第s个站点属于第e个评价等级的评价系数（隶属度）为∑==pkkesiexfx1)()(（6,,2,1=e），kx表示每一次检测的值。

对评价指标ix（3,2,1=i），第s个站点属于各个评价等级的总评价系数为公式2∑==61)()(esiesixx对所有检测值就评价指标i x （3,2,1=i ），第s 个站点属于第e 个等级的隶属度为公式3)()()(s is ies iex x r= 第s 个站点就评价指标i x （3,2,1=i ）对于各类别的水质的单因素评判向量公式4),,,()(6)(2)(1)(s i s i s i s i r r r r =将第s 个站点的全部指标对于各评价等级的评价向量综合后，得到第s 个站点对于各评价等级的评价矩阵：公式5⎪⎪⎪⎭⎫ ⎝⎛=)(36)(31)(16)(11)(s s s s s r r r R 5.23 模糊综合评价对第s 个站点做综合评价，模型为公式6),,,()(6)(2)(1)()(s s s s s b b b R A B =⋅=根据}{max )(61s j j b ≤≤确定第s 个站点近两年的水质情况所属类别。

模糊综合评判结果分析各因素数据整理放入Excel 文件Data.xls 中，作为程序输入的数据文件，综合评判结果如下：表13：4个池塘水质模糊综合评判结果序号池号 评价结果 （水质类别） 序号池号评价结果 （水质类别） 1 1#A 0.7551（1） 5 3#A 0.3652（2） 2 1#B 0.5784（1） 6 3#B 0.7975（1） 3 2#A 0.4708（2） 7 4#A 0.3504（2） 42#B0.4976（2）84#B0.4413（2）由表中数据我们可以得到如下结论：1号池塘是1类水质；2号池塘是2类水质；3号池塘是1类水质；4号池塘是2类水质。

5.3问题三模型的建立及求解5.31模型准备 Ⅰ 单侧检验理论当所设H0为总体参数等于某一定值，而H1为仅从一个方向上偏离此定值者，为单侧检验。

单侧检验有如下几个性质：1．检验两组的差异显著性时，只考虑A ＞B 之意义，不考虑A ＜B 之可能性。

2．检验差值均数的显著性时，只考虑正值的意义，不考虑负值之可能性。

3．检验相关的显著性时，只考虑正相关的意义，不考虑负相关的可能性。

4．为检验多个实验组与一个对照组之差异而进行多重比较时，只考虑在一个方向上的差异，不考虑在另一方向上出现差异之可能性Ⅱ 显著性检验理论显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显著地有差异。