[發明專利]一種基于雙模型的水華預測方法和裝置

有效

• 申請號: 202110007197.1
• 申請日: 2021-01-05
• 公開（公告）號: CN112884197B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 周紅華;田永強
• 申請（專利權）人: 福建省廈門環境監測中心站（九龍江流域生態環境監測中心）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 連耀忠;王婷婷

1.一種基于雙模型的水華預測方法，其特征在于，包括如下步驟：

利用歷史水質監測數據指標，根據影響水華的因素，篩選出有效特征樣本；

獲取有效樣本中的葉綠素α濃度和藻密度數據，進行前后兩日平均值修正擬合，并采用乘積平方根平滑法對葉綠素α濃度和藻密度隨機增長率進行修正，得到修正后的相對增長率；

以前一日相應時間實時日平均修正值為初始值，以當前的修正后的相對增長率計算，采用非常數指數修正馬爾薩斯模型和非常數指數修正邏輯斯蒂阻滯增長數學模型的結合的方法，預測葉綠素α濃度和藻密度數據；

利用水華形成初始的歷史有效值設定預測目標值，根據預測得到的葉綠素α濃度和藻密度數據與預測目標值的對比結果，評估水華趨勢并進行預警；

所述獲取有效樣本中的葉綠素α濃度和藻密度數據，進行前后兩日平均值修正擬合，具體為：

其中，t為自變量，取離散等距整數值：t＝0，1，2，...，單位為小時，x(t)為實時值，為日平均修正值；

以前一日相應時間實時日平均值為初始值，以當前的修正后的相對增長率計算，采用非常數指數修正馬爾薩斯模型和非常數指數修正邏輯斯蒂阻滯增長數學模型的結合的方法，預測葉綠素α濃度和藻密度數據，具體包括：所述非常數指數修正馬爾薩斯模型為：

x(t)＝x(t-Δt)e^r(t)Δt

當t＝t+Δt時刻：

x(t+Δt)＝x(t)e^r(t+Δt)Δt

r(t+Δt)≈r(t)+(r(t)-r(t-Δt))＝2*r(t)-r(t-Δt)；

r(t)為相對增長率。

2.根據權利要求1所述的一種基于雙模型的水華預測方法，其特征在于，所述影響水華的因素包括但不限于：溫度、氮水平和磷水平。

3.根據權利要求1所述的一種基于雙模型的水華預測方法，其特征在于，采用乘積平方根平滑法對葉綠素α濃度和藻密度隨機增長率進行修正，得到修正后的相對增長率，具體包括：

增長率R(t)和相對增長率r(t)是t的非單調遞增離散函數；

在Δt時間段里，相對增加量計算為：

其中r′(t)為修正后得到的相對增長率。

4.根據權利要求1所述的一種基于雙模型的水華預測方法，其特征在于，以前一日相應時間實時日平均值為初始值，以當前的修正后的相對增長率計算，采用非常數指數修正馬爾薩斯模型和非常數指數修正邏輯斯蒂阻滯增長數學模型的結合的方法，預測葉綠素α濃度和藻密度數據，具體包括：所述非常數指數修正邏輯斯蒂阻滯增長數學模型為：

對于連續的邏輯斯蒂阻滯增長數學模型為：

對于離散的邏輯斯蒂阻滯增長數學模型為：

其中x_m為阻滯參數，Δx為相鄰兩個時刻的差值。

5.根據權利要求4所述的一種基于雙模型的水華預測方法，其特征在于，所述x_m的預估方法，具體為：

由：

當x(t+1)≈x(t)，得：

x_m≈x(t)≈x(t+1)。

6.根據權利要求1所述的一種基于雙模型的水華預測方法，其特征在于，所述方法用于梯級攔壩的湖庫匯流。

7.一種基于雙模型的水華預測裝置，其特征在于，包括如下：

數據篩選模塊：利用歷史水質監測數據指標，根據影響水華的因素，篩選出有效特征樣本；

修正模型：獲取有效樣本中的葉綠素α濃度和藻密度數據，進行前后兩日平均值修正擬合，并采用乘積平方根平滑法對葉綠素α濃度和藻密度隨機增長率進行修正，得到相對增長率；

預測模塊：以前一日相應時間實時日平均值為初始值，以當前的相對增長率計算，采用非常數指數修正馬爾薩斯模型和非常數指數邏輯斯蒂阻滯增長數學模型的結合的方法，預測葉綠素α濃度和藻密度數據；

評估預警模塊：利用水華形成初始的歷史有效值設定預測目標值；根據預測得到的葉綠素α濃度和藻密度數據與預測目標值的對比結果，評估水華趨勢并進行預警；

所述獲取有效樣本中的葉綠素α濃度和藻密度數據，進行前后兩日平均值修正擬合，具體為：

其中，t為自變量，取離散等距整數值：t＝0，1，2，...，單位為小時，x(t)為實時值，為日平均修正值；

以前一日相應時間實時日平均值為初始值，以當前的修正后的相對增長率計算，采用非常數指數修正馬爾薩斯模型和非常數指數修正邏輯斯蒂阻滯增長數學模型的結合的方法，預測葉綠素α濃度和藻密度數據，具體包括：所述非常數指數修正馬爾薩斯模型為：

x(t)＝x(t-Δt)e^r(t)Δt

當t＝t+Δt時刻：

x(t+Δt)＝x(t)e^r(t+Δt)Δt

r(t+Δt)≈r(t)+(r(t)-r(t-Δt))＝2*r(t)-r(t-Δt)；

r(t)為相對增長率。