基于CEWI指数与BP神经网络的永定河北京段水质评价与预测

来源：环境科学杂志2026年第1期北京时间：

作者：张保航,张敏,渠晓东,彭文启,张海萍,张宇航

单位：中国水利水电科学研究院, 北京 100038,中国水利水电科学研究院流域水循环与水安全全国重点实验室, 北京 100038,中国水利水电科学研究院, 北京 100038,中国水利水电科学研究院流域水循环与水安全全国重点实验室, 北京 100038,中国水利水电科学研究院, 北京 100038,中国水利水电科学研究院流域水循环与水安全全国重点实验室, 北京 100038,中国水利水电科学研究院, 北京 100038,中国水利水电科学研究院流域水循环与水安全全国重点实验室, 北京 100038,中国水利水电科学研究院, 北京 100038,中国水利水电科学研究院流域水循环与水安全全国重点实验室, 北京 100038,中国水利水电科学研究院, 北京 100038

摘要：水生生物群落是水生态系统健康评价的重要指示因子，但其采集与鉴定过程存在技术复杂和成本高等问题，制约了评价效率. 研究提出一种基于深度学习的水质评价指数预测模型，旨在提升评价时效性与普适性. 2020年秋至2021年夏，于永定河北京段布设16个监测点位，开展4次水生态调查，共鉴定大型底栖动物118种、浮游动物159种和浮游植物107种，分别以昆虫纲、轮虫和蓝藻门作为优势类群. 通过整合多类群生物多样性构建综合生态水质指数（CEWI），评价结果显示永定河北京段水质整体为β-中度污染. 典型对应分析（CCA）表明，水温（WT）、pH、流速（CV）、水深（WD）和溶解氧（DO）为影响生物群落结构的关键环境因子. 基于BP神经网络构建的CEWI指数预测模型，其整体R2达0.978，均方误差（MSE）为0.106，平均绝对误差（MAE）为0.262，验证了模型的有效性. 研究通过“环境因子-生物响应-模型预测”框架，可为永定河流域生态修复提供了数据支撑与方法创新，具有显著的实践价值与区域指导意义.

关键词：永定河,多类群生物综合评价,综合生态水质指数（CEWI）,水质评价,BP神经网络,