[发明专利]一种浅水湖泊水华风险分析预警系统及其分析预警方法有效
| 申请号: | 201710211751.1 | 申请日: | 2017-04-01 |
| 公开(公告)号: | CN106990216B | 公开(公告)日: | 2019-03-29 |
| 发明(设计)人: | 毛劲乔;胡腾飞;戴会超;陈韦钰;吴先明;田明明 | 申请(专利权)人: | 河海大学 |
| 主分类号: | G01N33/18 | 分类号: | G01N33/18;G01D21/02 |
| 代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 唐红 |
| 地址: | 211106 江*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 浅水 湖泊 风险 分析 预警系统 及其 预警 方法 | ||
1.一种浅水湖泊水华风险分析预警系统,其特征在于,包括数据汇集模块(1)和数据挖掘模块(2);
所述数据汇集模块(1)包括常规监测装置(11)、声学遥测装置(12)和辅助装置(13);所述常规监测装置(11)包括浮式站点和桩式站点,共同实时监测浅水湖泊与藻类生长和水华暴发有关的物理和生化信息,该浮式站点为布置在浅水湖泊内等间距方形阵列顶点的浮标,浮标底部装配有多参数水质传感器,桩式站点是指布置在浅水湖泊内2倍浮式站点间距的方形阵列顶点并固定于湖床上的桩体,桩体水下部分装配有多参数水质传感器和叶绿素a传感器,且桩体水上部分装配有多参数气象传感器、光合有效辐射传感器;所述声学遥测装置(12)包括声学标签载体、声学标签和水听器,实时监测声学标签所处位置与藻类生长和水华暴发有关的多重水体物理参数,声学标签载体为浅水湖泊鱼类,声学标签配置水质传感器并使用尼龙扎带固定于声学标签载体的背鳍上,声学标签使用超声波周期性地将其身份识别信息和物理参数监测结果发送至周围水体,水听器布置于各个浮式站点和桩式站点处,水听器方向朝下并没入水中,实时接收周围声学标签所发送的信息;所述辅助装置(13)包括存储设备和通讯设备,均布置于各个浮式站点和桩式站点处,存储设备保存常规监测装置(11)和声学遥测装置(12)的监测数据,通讯设备实现存储设备和数据挖掘模块(2)之间的数据传输;
所述数据挖掘模块(2)由驱动因子识别单元(21)、驱动因子适宜区间确定单元(22)、驱动因子独立效应量化单元(23)、环境驱动模式分析比较单元(24)和水华风险评估单元(25)组成;所述驱动因子识别单元(21)根据浅水湖泊环境因子历史监测数据,筛选出与叶绿素a浓度显著关联且驱动水华发生的部分环境因子作为驱动因子;所述驱动因子适宜区间确定单元(22)确定促使叶绿素a浓度处于高位的各个驱动因子的变化范围作为各自的适宜区间;所述驱动因子独立效应量化单元(23)在其他驱动因子限定于各自适宜区间的情况下,量化叶绿素a浓度对每个驱动因子变化的独立响应;所述环境驱动模式分析比较单元(24)分别率定考虑驱动因子对水华发生累加影响、累乘影响或综合影响的三种水华风险模型及各自的临界风险值,比较后给出最优的水华风险模型及其临界风险值;所述水华风险评估单元(25)结合驱动因子实时监测信息和最优水华风险模型得出浅水湖泊当前环境下水华发生风险分布,在水华发生风险大于临界风险值的情况下向湖泊管理部门进行水华预警。
2.根据权利要求1所述的浅水湖泊水华风险分析预警系统,其特征在于:所述声学遥测装置(12)中的声学标签采用长基线测位法进行定位。
3.一种基于权利要求1至2任意一项所述的浅水湖泊水华风险分析预警系统的分析预警方法,其特征在于:具体包括以下步骤:
(一)数据汇集模块(1)的常规监测装置(11)实时监测浅水湖泊与藻类生长和水华暴发有关的物理和生化信息;声学遥测装置(12)对分散在浅水湖泊内的各个声学标签进行实时定位并接收声学标签监测的多重水体物理参数;辅助装置(13)将常规监测装置(11)和声学遥测装置(12)所获取的监测信息保存至存储设备;
(二)数据挖掘模块(2)调用浅水湖泊环境因子历史监测数据,构建浅水湖泊水华风险模型,按如下步骤执行:
(a)驱动因子识别单元(21)从数据汇集模块(1)的存储设备调取桩式站点处所有环境因子历史监测数据;
(b)驱动因子识别单元(21)基于历史监测数据,采用偏互信息方法筛选出与叶绿素a浓度显著关联且驱动水华发生的部分环境因子作为驱动因子;
(c)驱动因子适宜区间确定单元(22)使用正交表设计从历史监测数据中挑选出满足正交性的驱动因子水平组合,利用极差分析得出叶绿素a浓度随单个驱动因子水平变化规律,进而确定促使叶绿素a浓度处于高位的各个驱动因子的变化范围作为各自的适宜区间;
(d)驱动因子独立效应量化单元(23)在其他驱动因子限定于各自适宜区间的情况下,量化叶绿素a浓度对各个驱动因子变化的独立响应;
(e)环境驱动模式分析比较单元(24)在驱动因子独立效应量化单元(23)所提供信息的基础上,采用进化算法分别率定考虑驱动因子对水华发生累加影响、累乘影响或综合影响的三种水华风险模型及各自的临界风险值,然后比较后给出最优的水华风险模型及其临界风险值;
(三)数据挖掘模块(2)的水华风险评估单元(25)调用浅水湖泊驱动因子实时监测信息,进行浅水湖泊水华风险分析与预警,按如下步骤执行:
(A)从数据汇集模块(1)的存储设备调取常规监测装置(11)和声学遥测装置(12)的驱动因子实时监测数据;
(B)使用克里金插值算法将实时监测数据空间插值到整个湖泊范围;
(C)基于环境驱动模式分析比较单元(24)给出的最优水华风险模型计算获得浅水湖泊当前环境下水华发生风险分布,将水华发生风险大于临界风险值的区域识别为预测发生水华区域;
(D)若当前预测发生水华区域存在,将浅水湖泊水华发生风险分布以及预测发生水华区域向湖泊管理部门发布。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710211751.1/1.html,转载请声明来源钻瓜专利网。





