[發(fā)明專利]一種變權組合的景觀水水質預警方法

有效

• 申請?zhí)枺?/td>: 201410389438.3
• 申請日: 2014-08-08
• 公開（公告）號: CN104155423A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設計）人: 趙加斌;彭森;吳卿
• 申請（專利權）人: 天津大學
• 主分類號: G01N33/18
• 分類號: G01N33/18
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

1.一種變權組合的景觀水水質預警方法，其特征在于，包括如下步驟：

1)在線水質監(jiān)測，利用若干個遙測遠傳終端，用于采集景觀水各個監(jiān)測點的水樣，并將數據傳輸到本地的數據中心并儲存，形成水質樣本序列，以便于進行水質分析與水質預警；

2)進行水質變化的預測，是利用神經網絡、支持向量機、變權組合和區(qū)間估計的方法對水質樣本進行分析處理，得到景觀水體未來的水質預測區(qū)間，具體包括：

(1)對數據中心的水質樣本進行歸一化處理，歸一化公式為：

Xi=xi-xminxmax-xmin---(1)]]>

式中：x_min為原始監(jiān)測值的最小值；

x_max為原始監(jiān)測值的最大值；

x_i為第i個原始監(jiān)測值；

X_i為歸一化處理之后的第_i個監(jiān)測值；

(2)分別建立神經網絡預測模型和建立支持向量機預測模型；

(3)建立變權組合預測模型，是基于神經網絡預測模型和支持向量機預測模型的變權組合預測模型，即將神經網絡預測模型和支持向量機預測模型這2個單一預測模型的預測值進行變權重組合，從而得到更加準確的預測值；

(4)進行變權組合預測模型的區(qū)間估計，是通過預測誤差的正態(tài)分布特點和統計學知識，得到并確定最終變權組合預測模型的區(qū)間估計值，從而得到景觀水水質未來的變化區(qū)間；

3)水質預警，即利用變權組合模型的區(qū)間估計值來進行水質預警，將變權組合模型的區(qū)間估計值的整個預測范圍中超過《地表水環(huán)境質量標準》V類水質指標限值的量作為預警強度劃分的依據，依次為無警、輕警、中警、重警和巨警。

2.根據權利要求1所述的一種變權組合的景觀水水質預警方法，其特征在于，步驟1)中所述的在線水質監(jiān)測包括測定水樣的溶解氧、pH、化學需氧量、總氮、氨氮和總磷六項水質指標。

3.根據權利要求1所述的一種變權組合的景觀水水質預警方法，其特征在于，步驟2)中第(2)步所述的建立神經網絡預測模型，是將歸一化處理后的水質樣本中的溶解氧、pH、化學需氧量、總氮、氨氮和總磷六項水質指標作為神經網絡的輸入量，輸出量為溶解氧、pH、化學需氧量、總氮、氨氮和總磷六項水質指標的預測值，隱含層的神經元采用Sigmoid型變換函數，輸出層則采用線性變換函數，而對于神經網絡結構中的各個參數確定則利用L-M算法，經過訓練與擬合，得到景觀水體的神經網絡預測模型。

4.根據權利要求1所述的一種變權組合的景觀水水質預警方法，其特征在于，步驟2)中的第(2)步所述的建立支持向量機預測模型，是將歸一化處理后的水質樣本中的溶解氧、pH、化學需氧量、總氮、氨氮和總磷六項水質指標作為神經網絡的輸入量，輸出量為溶解氧、pH、化學需氧量、總氮、氨氮和總磷六項水質指標的預測值，同時，采用高斯徑向基核作為支持向量機模型的核函數，并用十字交叉法來尋找最優(yōu)損失函數的參數和高斯徑向積核函數的參數，經過訓練與擬合，得到景觀水體的支持向量機預測模型。