[發明專利]一種基于多源數據的河涌水質時空預測方法及系統

在審

• 申請號: 202111674079.2
• 申請日: 2021-12-31
• 公開（公告）號: CN114398423A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 葉效強;蔣鴻偉;譚成灶;胡曉輝;梁文智;李健森;吳君句;張廣昕;駱大清
• 申請（專利權）人: 廣東長天思源環?？萍脊煞萦邢薰?/a>
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/29;G06N3/04;G06N3/08;G06Q10/04;G06Q50/26
• 代理公司: 佛山市禾才知識產權代理有限公司 44379
• 代理人: 劉羽波;陳嘉琦

1.一種基于多源數據的河涌水質時空預測方法，其特征在于，包括以下步驟：

步驟S1：定位的河涌類型為以生活污水為主導的河涌；

步驟S2：選取河涌現有的固定監測站為中心監測站；

步驟S3：建立河涌的空間坐標系，通過經度、緯度、深度建立空間坐標系，以反映河涌任一監測點；

步驟S4：選取巡檢設備巡航監測，獲得各空間坐標系中任一監測點的水質分布情況；

步驟S5：以溫度，風速，日照、氣壓、濕度和降雨氣象因素為特征指標，通過深度學習方法構建中心監測站的水質時間序列預測模型；

步驟S6：根據巡檢設備巡航監測數據，使用LSTM模型構建不同監測時段的中心監測站與任一空間坐標點的污染映射關系模型；

步驟S7：結合水質時間序列預測模型與污染映射關系模型，對河涌任一監測點的水質進行時空預測。

2.根據權利要求1所述的一種基于多源數據的河涌水質時空預測方法，其特征在于，所述步驟S5的具體如下：

步驟S51：獲取中心監測站數據和氣象因素數據，并對數據完整性進行檢查，補全報文缺失的時段，并將補全時段的監測值標記為NULL值，剔除缺失值/NULL值、值不變、負值、超量程、低于0.3％分位數的極小值以及超出99.7％分位數的極大值不符合現場監測情況的顯著異常值；

步驟S52：將監測儀器處于故障期間、維修期間、超期限未校準時段、失控時段、有計劃的維護保養、校準校驗非正常監測時段的數據予以剔除，所述監測儀器為獲取中心監測站數據的工具；

步驟S53：對被剔除的數據以及缺失的數據采用均值插補法進行補充；

步驟S54：構建水質時間序列預測模型，將中心監測站前一監測時間的中心監測站數據與氣象因素作為當前監測時間的特征指標，并輸入到所述水質時間序列預測模型，通過監測時間的序列模型構建該時段的水質時間映射關系模型為：C_t＝F(C_t-1，天氣數據)，其中C_t-1為中心監測站前一監測時間的中心監測站數據，所述水質時間映射關系模型輸出當前時刻的中心監測站的中心監測站數據。

3.根據權利要求1所述的一種基于多源數據的河涌水質時空預測方法，其特征在于，所述步驟S6的具體如下：

步驟S61：獲取中心監測站數據和巡航監測數據，并對數據完整性進行檢查，補全報文缺失的時段，并將補全時段的監測值標記為NULL值，剔除缺失值/NULL值、值不變、負值、超量程、低于0.3％分位數的極小值以及超出99.7％分位數的極大值不符合現場監測情況的顯著異常值；

步驟S62：將監測儀器處于故障期間、維修期間、超期限未校準時段、失控時段、有計劃的維護保養、校準校驗非正常監測時段的數據予以剔除，所述監測儀器為獲取中心監測站數據的工具；

步驟S63：對被剔除的數據以及缺失的數據采用均值插補法進行補充；

步驟S64：構建污染映射關系模型，某一監測時間的中心監測站的中心監測站數據與待預測的監測點的經度、緯度、深度作為該監測時間的特征指標輸入污染映射關系模型，通過LSTM模型構建該時段的水質空間映射關系模型為：H_t＝F(C_t，x,y,z)，其中C_t為中心監測站當前時刻的中心監測站數據，x、y、z分別表示監測點的經度、緯度、深度，所述污染映射關系模型輸出為監測對象在某坐標中的水質分布情況數據；

步驟S65：將收集到的中心監測站數據以及對應的氣象因素作為第一訓練數據、將水質分布情況數據、監測點的坐標、中心監測站數據作為第二訓練數據；

第一訓練數據以及第二訓練數據按3:1比例隨機拆分訓練集與測試集，使用tensorflow的keras構造LSTM模型訓練框架，采用貝葉斯優化進行模型調參，并存儲最優參數空間預測模型；最后，采用MAE、RMSE這2種度量方式來對預測結果進行評估，其中其中y_i為真實數據，為通過模型得到的預測數據。

4.根據權利要求3所述的一種基于多源數據的河涌水質時空預測方法，其特征在于，進行步驟S64和步驟S55前還需對水質分布情況數據、中心監測站數據、監測時間和氣象因素進標準化歸一處理。