Page 42 - 2023年第54卷第3期

这两种方法将悬浮泥沙浓度及鱼类暴露时间作为输入因子，比单一采用泥沙浓度更能准确预测对鱼类
影响程度。但该类方法未能考虑多个因子之间的复杂非线性问题，使用时受到诸多限制，预测精度有
待提高。
人工神经网络通过对样本数据的学习，可具有逼近任意连续函数和非线性映射的能力，能够模拟
多个因子之间的相互作用和对目标因子的影响 ［１３］ 。本文利用研究黄河花斑裸鲤和鲤鱼在高含沙水体中
生存特性的实验数据，考虑含沙量、溶解氧、暴露时间、水温等因子的作用，建立了基于改进粒子群
算法—反向传播神经网络（ＩｍｐｒｏｖｅｄＰａｒｔｉｃｌｅＳｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ － ＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＩＰＳＯ － ＢＰ）的高含沙
水体对鱼类致死影响的预测方法，并与传统方法的评估效果进行比较分析，为高含沙水流过程对鱼类
影响的评估和预测提供新的手段。

２ 材料与方法

２．１ 高含沙水体对鱼类致死影响的实验数据
（１）实验目的和设计。为了定量评估高含沙水体对鱼类的影响，课题组进行过两组分别研究黄河
上游花斑裸鲤（ ＧｙｍｎｏｃｙｐｒｉｓＥｃｋｌｏｎｉ） ［１４］ 和中下游鲤鱼（ＣｙｐｒｉｎｕｓＣａｒｐｉｏ）两种代表性鱼类在高含沙水体中
生存特性的室内实验，两种鱼类在黄河干流的分布如图 １所示。

图 １ 两种实验鱼栖息地在黄河干流的分布示意

对于鲤鱼的实验在 ２０１１年 ７月完成 ［１］ 。对于花斑裸鲤的
实验在 ２０２１年 ６月完成，主要评估黄河上游玛多县的黄河源
水电站拆坝对下游 河 道 鱼 类 影 响。两 组 实 验 均 在 １ｍ× １ｍ×
０．８ｍ（长 × 宽 × 高）的 有 机 玻 璃 实 验 水 槽 进 行，水 槽 底 部 安 装
有调速电机带动 的螺 旋 桨以 保证 泥沙 悬 浮。实 验 用 沙 取 自 相
应鱼类的捕获 地 点，颗 粒级 配 曲 线 如 图 ２所 示。两 种 实 验 鱼
共计 １６组，实验选用的实验鱼体重 ０．５～１ｋｇ，每次实验使用
１０条，实验工况 设 置见 表 １。实验时 每 １５～３０ｍｉｎ测 量 一 次
水温和溶解氧，当鱼类 死亡 时 加 测 一 次。考 虑 水 库 排 沙 峰 值
和鱼类对高含沙胁迫的急性反应时间，本文对实验时长在 １０ｈ
内的数据进行分析。 图 ２ 实验用沙颗粒级配

２
— ２ ９ —