[发明专利]一种变权组合的景观水水质预警方法

说明书

技术领域

本发明涉及一种景观水水质预警方法。特别是涉及一种基于神经网络和支持向量机的变权组合的景观水水质预警方法。

背景技术

随着社会经济的发展和人们生活水平的提高，景观河道、人造湖泊和人造景观湖等景观水体作为一种可以调节气候、美化环境与陶冶情操的“元素”，在越来越多的城市开始出现。然而景观水体大多数都是静止或者流动性很差的缓流水体，易污染，自净能力差，并容易成为居民生活污水、雨水和垃圾的受纳体。同时，不少景观水体的建设过于形式化，生搬硬套，后期又缺少维护和治理，使得景观水体在一段时间之后就会发黑发臭，出现严重的水污染现象。

发明内容

本发明所要解决的技术问题是，提供一种在掌握景观水体的水质变化规律，及早对水质污染进行预警预报，并及时采取相应的措施来防止水质污染事故，避免造成严重损失的变权组合的景观水水质预警方法。

本发明所采用的技术方案是：一种变权组合的景观水水质预警方法，包括如下步骤：

1)在线水质监测，利用若干个遥测远传终端，用于采集景观水各个监测点的水样，并将数据传输到本地的数据中心并储存，形成水质样本序列，以便于进行水质分析与水质预警；

2)进行水质变化的预测，是利用神经网络、支持向量机、变权组合和区间估计的方法对水质样本进行分析处理，得到景观水体未来的水质预测区间，具体包括：

(1)对数据中心的水质样本进行归一化处理，归一化公式为：

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

式中：x_min为原始监测值的最小值；

x_max为原始监测值的最大值；

x_i为第i个原始监测值；

X_i为归一化处理之后的第i个监测值；

(2)分别建立神经网络预测模型和建立支持向量机预测模型；

(3)建立变权组合预测模型，是基于神经网络预测模型和支持向量机预测模型的变权组合预测模型，即将神经网络预测模型和支持向量机预测模型这2个单一预测模型的预测值进行变权重组合，从而得到更加准确的预测值；

(4)进行变权组合预测模型的区间估计，是通过预测误差的正态分布特点和统计学知识，得到并确定最终变权组合预测模型的区间估计值，从而得到景观水水质未来的变化区间；

3)水质预警，即利用变权组合模型的区间估计值来进行水质预警，将变权组合模型的区间估计值的整个预测范围中超过《地表水环境质量标准》V类水质指标限值的量作为预警强度划分的依据，依次为无警、轻警、中警、重警和巨警。

步骤1)中所述的在线水质监测包括测定水样的溶解氧、pH、化学需氧量、总氮、氨氮和总磷六项水质指标。

步骤2)中第(2)步所述的建立神经网络预测模型，是将归一化处理后的水质样本中的溶解氧、pH、化学需氧量、总氮、氨氮和总磷六项水质指标作为神经网络的输入量，输出量为溶解氧、pH、化学需氧量、总氮、氨氮和总磷六项水质指标的预测值，隐含层的神经元采用Sigmoid型变换函数，输出层则采用线性变换函数，而对于神经网络结构中的各个参数确定则利用L-M算法，经过训练与拟合，得到景观水体的神经网络预测模型。

步骤2)中的第(2)步所述的建立支持向量机预测模型，是将归一化处理后的水质样本中的溶解氧、pH、化学需氧量、总氮、氨氮和总磷六项水质指标作为神经网络的输入量，输出量为溶解氧、pH、化学需氧量、总氮、氨氮和总磷六项水质指标的预测值，同时，采用高斯径向基核作为支持向量机模型的核函数，并用十字交叉法来寻找最优损失函数的参数和高斯径向积核函数的参数，经过训练与拟合，得到景观水体的支持向量机预测模型。