[發明專利]一種河流水環境質量預測方法

在審

• 申請號: 202110091465.2
• 申請日: 2021-01-23
• 公開（公告）號: CN112966891A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 王照麗;姜國強;張倩;陳華
• 申請（專利權）人: 成都市環境保護科學研究院（成都市固體廢物管理中心）;中煜生態環境科技（廣州）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G01N33/18
• 代理公司: 廣東省暢欣知識產權代理事務所(普通合伙) 44631
• 代理人: 耿佳

一種河流水環境質量預測方法，其方法在于，水質特征提取是通過因子分析、聚類分析、相關性分析，將水質變化相似的監測斷面視為一類，分析這類監測斷面對應主要污染指標以及主要污染指標相關聯指標；將主要污染指標與相關性指標一起都作為輸入指標，通過指標之間的聯系以及時間序列前后數據的相關性進行主要污染指標的預測，從而提高預測精度；該方法能夠動態跟蹤預測精度，并調整最優預測模型的河流水環境質量，通過進行水質指標相關性分析、因子分析以及聚類分析，針對不同水體，如：河流、湖庫；針對不同水質指標，如：溶解氧、氮、磷、COD，運用SARIMA、ANN、LSTM算法模擬，同時動態跟蹤預測精度，調整最優預測模型。

技術領域

本發明涉及水環境預測領域，具體是一種河流水環境質量預測方法。

背景技術

目前，常用的水質數學模型主要包括兩大類：水質機理數學模型和水質數據驅動類數學模型，而常用的基于理論基礎的水質機理數學模型，在模型應用時需要大量且合適的歷史水文水質數據來率定模型參數，同時當影響某水質指標的影響因素較多時，機理會變得非常復雜，會使模型難以建立、相關的參數難以獲取；近年來，在大數據研究的快速發展下，基于樣本數據為基礎，以灰箱或黑箱方程為手段數據驅動模型已經被眾多學科廣泛應用，同樣數據驅動模型在河流水質預測預警中也得到了運用，但現有的水質數據驅動類數學模型大多數采用單一靜態模型進行水質預測預警，它的適用性和模擬精度還遠遠不足，無法滿足更多人的需求。

發明內容

本發明所要解決的技術問題是提供一種河流水環境質量預測方法，可以有效解決上述背景技術中提出的問題。

為解決上述問題，本發明所采取的技術方案是：一種河流水環境質量預測方法，包括以下步驟：

S1、模型初始化：通過與在線監測設備不同水質指標傳感器建立通信，獲得在線數據；

S2、獲得水質指標歷史監測值：對監測水體、監測斷面、監測水質指標進行One-HotEncoding獨熱編碼；

S3、水質指標特性提取：通過對水質指標歷史監測值進行相關性分析、因子分析、聚物分析：

3-1、相關性分析：對監測斷面、監測水質指標進行水質指標相關性分析，獲得各監測斷面監測水質指標相關關系；

3-2、因子分析：對監測斷面、監測水質指標進行水質指標因子分析，獲得各監測斷面及監測水質指標主要因子；

3-3、聚類分析：通過主要因子數對監測斷面、監測時間進行聚類分析，獲得各監測斷面、監測時間類別；

3-4、選擇分析后的監測斷面、監測時間、監測水質指標；

S4、模型訓練：對通過相關性分析、聚類分析得到的監測斷面、監測水質分別進行SARIMA、ANN、LSTM算法模擬預測，將算法預測得到的數據與相對應的水質指標數據進行對比；

S5、分別統計SARIMA、ANN、LSTM算法模擬精度，判斷SARIMA、ANN、LSTM算法預測模型誤差率是否小于設定閾值的30%；如果預測模型誤差率小于設定閾值的30% ，則歸于優化模型池，直接進行下一步；如果預測模型誤差率大于設定閾值的30% ，則歸于休眠模型池；

S6、根據模擬精度，確定優化模型池中最優模型，判斷SARIMA、ANN、LSTM算法預測模型是否重新優化參數，如果優化模型池中最優模型誤差率大于設定閾值的30%，則返回S4，重新進行SARIMA、ANN、LSTM算法預測模型模型訓練，優化參數；如果優化模型池中最優模型誤差率小于設定閾值的30%，則直接進行下一步；

S7、水質預測實時運用時，采用雙線程法，水質預測采用最優模型進行實時預測預警，同時采用其他算法模擬；

S8、統計水質預測實時運用優化模型池中模型模擬精度，同時動態跟蹤預測精度調整最優預測模型；

S9、重復統計水質預測實時運用優化模型池中模型模擬精度，且同時動態跟蹤預測精度調整最優預測模型，將水質預測進行實時運用。