基于复杂网络的海洋食物网中污染物传播模型

doi:10.11772/j.issn.1001-9081.2024040476

《计算机应用》唯一官方网站 ›› 0, Vol. ›› Issue (): 143-147.DOI: 10.11772/j.issn.1001-9081.2024040476

基于复杂网络的海洋食物网中污染物传播模型

彭云龙¹, 李晗¹(), 桑田¹, 程宏明²

^1.辽宁工业大学电子与信息工程学院，辽宁锦州 121001
^2.北京纵横机电科技有限公司，北京 100094

收稿日期:2024-04-25 修回日期:2024-07-04 接受日期:2024-07-08 发布日期:2025-01-24 出版日期:2024-12-31
通讯作者: 李晗
作者简介:彭云龙（2001—），男，安徽宣城人，硕士研究生，主要研究方向：复杂网络
李晗（1984—），男，辽宁兴城人，副教授，博士，主要研究方向：复杂网络、嵌入式系统
桑田（2001—），女，辽宁锦州人，硕士研究生，主要研究方向：差分隐私
程宏明（1984—），男，辽宁沈阳人，副研究员，硕士，主要研究方向：嵌入式系统。
基金资助:
辽宁省“揭榜挂帅”科技攻关专项(2022JH1/10400009);辽宁省海洋经济发展项目(2022?46);辽宁省民生科技计划项目(2021JH2/10200002);辽宁工业大学教学改革研究项目(xjg2022033)

Pollutant transmission model in marine food web based on complex network

Yunlong PENG¹, Han LI¹(), Tian SANG¹, Hongming CHENG²

^1.School of Electronics and Information Engineering，Liaoning University of Technology，Jinzhou Liaoning 121001，China
^2.Beijing Zongheng Electro-Mechanical Technology Company Limited，Beijing 100094，China

Received:2024-04-25 Revised:2024-07-04 Accepted:2024-07-08 Online:2025-01-24 Published:2024-12-31
Contact: Han LI

摘要/Abstract

摘要：

针对核污水排海严重破坏全球海洋生态系统的问题，提出一种基于复杂网络的海洋生物污染传播模型，用于估计和模拟污染物的传播情况。首先，根据江苏近海北部海域、孔斯峡海域和巴伦支海北部海域部分生物群落间的捕食关系构建复杂网络；其次，使用欧拉对流扩散方程模拟假定海域的污染物扩散情况，继而考虑海洋环境与生物之间的污染物交换关系，并结合基于捕食关系的污染传播构建最终的传播模型；再次，基于节点综合重要性和生物群落营养级的对应关系进行离群点分析，并分析模型拟合中可能出现的异常现象；最后，模拟网络中生物节点污染物浓度随时间变化的情况，并根据各真实网络对应的生物群落营养级与污染物浓度关系进行拟合验证。实验结果表明，所提模型的拟合效果满足污染物在食物网上的生物积累与生物放大现象，并与巴伦支海部分生物节点中同位素检测结果相互验证，拟合数据与真实数据在均方误差、相关系数、绝对平均误差、R方和统计检验上均验证了所提模型有效性。

关键词: 复杂网络, 捕食关系, 传播动力学, 海洋污染, 离群点分析

Abstract:

In response to the serious damage to the global marine ecosystem caused by the discharge of nuclear wastewater into the sea. In this paper， a marine biological pollution transmission model based on complex network was proposed for estimating and simulating the transmission of pollutants. Firstly， a complex network was constructed on the basis of the predation relationships among some biological communities in northern waters of Jiangsu offshore area， Kongsi Gorge sea area， and northern area of Barents Sea. Secondly， the Euler convection diffusion equation was used to simulate the diffusion of pollutants in the assumed sea area， and then the pollutant exchange relationship between the marine environment and organisms was considered， and combined with the pollution transmission based on predation relationship， the final transmission model was constructed. Thirdly， outlier analysis was conducted on the basis of corresponding relationship between the comprehensive importance of nodes and the nutritional levels of biological communities， and potential anomalies in model fitting were analyzed. Finally， the concentration of pollutants of biological nodes in the network changing over time was simulated， and the fitting verification was carried out based on the relationship between the nutrient level of biological communities and pollutant concentration corresponding to each real network. Experimental results show that the fitting effect of the proposed model meets the biological accumulation and amplification phenomena of pollutants on the food web， and is mutually verified with the isotope detection results of some biological nodes in Barents Sea. All of the fitting data and real data verify the effectiveness of the proposed model in terms of mean square error， correlation coefficient， mean absolute error， R-squared， and statistical test.

Key words: complex network, predation relationship, transmission dynamics, marine pollution, outlier analysis

中图分类号:

TP399

彭云龙, 李晗, 桑田, 程宏明. 基于复杂网络的海洋食物网中污染物传播模型[J]. 计算机应用, 0, (): 143-147.

Yunlong PENG, Han LI, Tian SANG, Hongming CHENG. Pollutant transmission model in marine food web based on complex network[J]. Journal of Computer Applications, 0, (): 143-147.

图/表 11

图1 基于食物网复杂网络结构

表1 真实网络性质

生物捕食网络	节点数	连边数
江苏近海北部海域生物捕食网络	25	228
巴伦支海北部海域生物捕食网络	159	838
孔斯峡海域生物捕食网络	268	1 637

表2 食物网节点对应生物群落

节点序号	节点名称	节点序号	节点名称
G1	长蛇鲻	G14	细鳌虾
G2	星康吉鳗	G15	鹰爪虾
G3	黄鮟鱇	G16	长臂虾科
G4	虾虎鱼科	G17	其他虾类
G5	鲆鲽类	G18	头足类
G6	石首鱼科	G19	其他头足类
G7	鳀科	G20	棘皮动物
G8	其他底层鱼类	G21	其他软体动物
G9	其他中上层鱼类	G22	其他底栖动物
G10	近底层鱼类	G23	尖海龙
G11	蟹类	G24	浮游动物
G12	口虾蛄	G25	浮游植物
G13	戴氏赤虾

图2 污染物流动简化图

表3 节点重要性评分方法

方法	计算公式	参数解释
度中心性	$D i = D i i n + D i o u t N - 1$	$D i i n$ 为节点入度， $D i o u t$ 为节点出度，N为节点数
介数中心性	$B i = ∑ i ≠ j ≠ k ∈ V n j k i n j k$	$n j k i$ 表示节点j和节点k的最短路径中经过节点i的路径数， $n j k$ 表示节点j和节点k之间最短路径条数
紧密中心性	$C i = 1 / d i = (N - 1) / ∑ j = 1 N d i j$	$d i j$ 表示当前节点i到节点j的最短距离
聚类系数	$C V i = 2 E (i) / T (i)$	E（i）表示节点i的所有邻居节点中连边数，T（i）表示节点i所有邻居节点中节点对数
PageRank	$P i = 1 - d N + d P (w 1) L (w 1) + P (w 2) L (w 2) + … + P (w n) L (w n)$	d为阻尼因子，表示跳转概率，取值为0.85；N为节点总数， $w 1, w 2, …, w n$ 代表指向节点i的节点， $L (w 1), L (w 2), …, L (w n)$ 代表节点 $w 1, w 2, …, w n$ 的出度

表3 节点重要性评分方法

方法	计算公式	参数解释
度中心性	$D i = D i i n + D i o u t N - 1$	$D i i n$ 为节点入度， $D i o u t$ 为节点出度，N为节点数
介数中心性	$B i = ∑ i ≠ j ≠ k ∈ V n j k i n j k$	$n j k i$ 表示节点j和节点k的最短路径中经过节点i的路径数， $n j k$ 表示节点j和节点k之间最短路径条数
紧密中心性	$C i = 1 / d i = (N - 1) / ∑ j = 1 N d i j$	$d i j$ 表示当前节点i到节点j的最短距离
聚类系数	$C V i = 2 E (i) / T (i)$	E（i）表示节点i的所有邻居节点中连边数，T（i）表示节点i所有邻居节点中节点对数
PageRank	$P i = 1 - d N + d P (w 1) L (w 1) + P (w 2) L (w 2) + … + P (w n) L (w n)$	d为阻尼因子，表示跳转概率，取值为0.85；N为节点总数， $w 1, w 2, …, w n$ 代表指向节点i的节点， $L (w 1), L (w 2), …, L (w n)$ 代表节点 $w 1, w 2, …, w n$ 的出度

图3 不同网络中生物节点综合重要度与营养级散点图

图4 污染物在海洋中浓度扩散二维空间图

图5 生物捕食网络中污染物浓度随时间变化曲线

图6 生物节点营养级与污染物浓度关系及线性回归结果

表4 巴伦支海生物污染物浓度模拟值与真实值

节点序号	模拟污染物浓度	真实污染物浓度
G1	4.98	7.1
G2	6.64	7.6
G3	6.59	8.1
G4	8.41	8.5
G5	10.15	10.6
G6	11.83	12.6
G7	11.84	13.0
G8	14.78	11.8
G9	14.82	13.6
G10	14.78	12.7
G11	14.83	14.5
G12	14.78	13.4
G13	14.78	15.2

表5 污染物浓度模拟得分

评价指标	得分
均方误差	2.05
相关系数	0.937
绝对平均误差	1.188
R方	0.708 3
统计检验	0.032

参考文献 27

1	SHUVAL H. Estimating the global burden of thalassogenic diseases： human infectious diseases caused by wastewater pollution of the marine environment［J］. Journal of Water and Health， 2003， 1（2）：53-64.
2	SCHAAP I， BUEDENBENDER L， JOHANN S. Impact of chemical pollution on threatened marine mammals： a systematic review［J］. Journal of Hazardous Materials， 2023， 459： No.132203.
3	黄晓梅，徐佳乐，谢丹丹，等. 我国海洋环境污染监测现状探究［J］. 广东化工， 2021， 48（23）：121-122.
4	温玉波. 海洋环境污染信息智能图像监测技术研究［J］. 现代电子技术， 2018， 41（6）：109-111， 116.
5	汤杨. 遥感图像污染监测分析的机器学习算法实现［D］. 天津：天津大学， 2018：11-43.
6	ROMERO-MURILLO P， GALLEGO J L， LEIGNEL V. Marine pollution and advances in Biomonitoring in Cartagena Bay in the Colombian Caribbean［J］. Toxics， 2023， 11（7）： No.631.
7	王昆，林金波，杜静. 海上溢油漂移扩散的数值模拟［J］. 水动力学研究与进展（A辑）， 2017， 32（2）：213-219.
8	杜森，张黎. 砷在海洋食物链中的生物放大潜力及发生机制探讨［J］. 生态毒理学报， 2019， 14（1）：54-66.
9	SECO J， APARÍCIO S， BRIERLEY A S， et al. Mercury biomagnification in a Southern Ocean food web［J］. Environmental Pollution， 2021， 275： No.116620.
10	康西龙. 基于复杂网络的空气污染物传播关键路径和节点挖掘研究［D］. 秦皇岛：燕山大学， 2017：18-59.
11	DU M， LIU W， HAO Y. Spatial correlation of air pollution and its causes in northeast China［J］. International Journal of Environmental Research and Public Health， 2021， 18（20）： No.10619.
12	杨纪明. 北海重要鱼类种间食物关系［J］. 海洋科学， 1992（3）：11-14.
13	ELGENDY M Y， ALI S E， ABBAS W T， et al. The role of marine pollution on the emergence of fish bacterial diseases［J］. Chemosphere， 2023， 344： No.140366.
14	张波. 渤海鱼类的食物关系［J］. 渔业科学进展， 2018， 39（3）：11-22.
15	刘洪良，罗年学，赵前胜. 基于灾害复杂网络的深圳台风灾害链风险分析［J］. 灾害学， 2023， 38（4）：228-234.
16	陈珺. 基于节点中心性的复杂网络关键节点识别方法研究［D］. 济南：齐鲁工业大学， 2023：15-43.
17	张虎，李鹏程，胡海生，等. 基于LIM-MCMC模型研究江苏近海北部海域食物网能量流动特征［J］. 海洋学报， 2023， 45（9）：105-118.
18	BOOTH P N， KNAUER G A. The possible importance of fecal material in the biological amplification of trace and heavy metals［J］. Limnology and Oceanography， 1972， 17（2）： 270-274.
19	MARCOGLIESE D J. Food webs and the transmission of parasites to marine fish［J］. Parasitology， 2002， 124（7）： 83-99.
20	凌备备. 中国近海小尺度海水水平湍流扩散规律与海洋污染预报的研究［J］. 海洋学报， 1981， 3（1）： 165-183.
21	XIE J， TU S， HAYAT K， et al. Trophodynamics of Halogenated Organic Pollutants （HOPs） in aquatic food webs［J］. Science of the Total Environment， 2023， 899： No.166426.
22	MUSAWI A F AL， ROY S， GHOSH P. Examining indicators of complex network vulnerability across diverse attack scenarios［J］. Scientific Reports， 2023， 13： No.18208.
23	MONES E， VICSEK L， VICSEK T. Hierarchy measure for complex networks［J］. PLoS ONE， 2012， 7（3）： No.e33799.
24	SHIMADA Y， HIRATA Y， IKEGUCHI T， et al. Graph distance for complex networks［J］. Scientific Reports， 2016， 6： No.34944.
25	AMANGELSIN Y， SEMENOVA Y， DADAR M， et al. The impact of tetracycline pollution on the aquatic environment and removal strategies［J］. Antibiotics， 2023， 12（3）： No.440.
26	WU X， ZHANG Y， FENG X. The impact of Japanese nuclear wastewater discharge into the sea on the global economy： input-output model approach［J］. Marine Pollution Bulletin， 2023， 192： No.115067.
27	HOP H， BORGÁ K， GABRIELSEN G W， et al. Food web magnification of persistent organic pollutants in poikilotherms and homeotherms from the Barents Sea［J］. Environmental Science and Technology， 2002， 36（12）：2589-2597.

[1]	黄杰, 武瑞梓, 李均利. 高效的自适应复杂网络鲁棒性优化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3530-3539.
[2]	王中钰, 钱晓东. 基于改进期望最大化算法的供应链网络边连接规则优化[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3386-3395.
[3]	周琳, 肖玉芝, 刘鹏, 秦有鹏. 基于节点多关系的社团挖掘算法及其应用[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1489-1496.
[4]	李鹏, 王世林, 陈光武, 闫光辉. 基于改进的局部结构熵复杂网络重要节点挖掘[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1109-1114.
[5]	温祥西, 彭娅婷, 毕可心, 衡宇铭, 吴明功. 基于最优样本集在线模糊最小二乘支持向量机的飞行冲突网络态势预测[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3632-3640.
[6]	李占利, 李颖, 罗香玉, 罗颖骁. 基于Monte-Carlo迭代求解策略的局部社区发现算法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 104-110.
[7]	孟昱煜, 郭静. 信息熵改进主成分分析模型的链路预测算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2823-2829.
[8]	郝志刚, 秦丽. 基于多属性综合评价的食品安全标准引用网络重要节点发现方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1178-1185.
[9]	胡军, 许正康, 刘立, 钟福金. 融合多粒度社区信息的网络嵌入方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 663-670.
[10]	陈广福, 王海波, 连雁平. 基于高阶自包含协同过滤的有向网络链路预测[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3060-3068.
[11]	蔡彪, 李蕊岑, 吴媛媛. 相似性特征对链路预测的影响与增强[J]. 计算机应用, 2021, 41(9): 2569-2577.
[12]	李亚芳, 梁烨, 冯韦玮, 祖宝开, 康玉健. 基于社区优化的深度网络嵌入方法[J]. 计算机应用, 2021, 41(7): 1956-1963.
[13]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[14]	郑文萍, 岳香豆, 杨贵. 基于随机游走的改进标签传播算法[J]. 计算机应用, 2020, 40(12): 3423-3429.
[15]	成其伟, 陈启买, 贺超波, 刘海. 基于改进对称二值非负矩阵分解的重叠社区发现方法[J]. 计算机应用, 2020, 40(11): 3203-3210.

基于复杂网络的海洋食物网中污染物传播模型

Pollutant transmission model in marine food web based on complex network

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 27

相关文章 15

编辑推荐

Metrics