[发明专利]一种结合双模型和生物等效能量的水华预测方法和装置

权利要求书

1.一种结合双模型和生物等效能量的水华预测方法，其特征在于，包括如下步骤：

利用水质监测数据指标，根据影响水华的因素，筛选出有效样本；

定义水华的生物等效能量，获取有效样本中的叶绿素α浓度和藻密度数据，进行前后两日平均值修正拟合，过滤平滑数据随机性，得到日平均值修正数据，并采用乘积平方根平滑法对前后两日的叶绿素d浓度和藻密度随机增长率进行修正，得到修正后的相对增长率；

根据所述日平均值修正数据得到水华趋势的等效势能，根据所述修正后相对增长率得到水华趋势的等效动能，利用水华趋势的等效势能和水华趋势的等效动能计算得出生物等效增长能量，并利用水华形成初始的历史有效等效势能设定预测目标值；

以前一日相应时间实时日平均值为初始值，以当前的修正后的相对增长率计算，采用非常数指数修正马尔萨斯模型和逻辑斯蒂阻滞增长数学模型的结合的方法，预测叶绿素α浓度和藻密度数据；

根据预测得到的叶绿素α浓度和藻密度数据与所述预测目标值的对比结果，以及生物等效增长能量，共同评估水华趋势并进行预警。

2.根据权利要求1所述的一种结合双模型和生物等效能量的水华预测方法，其特征在于，定义水华的生物等效能量，具体为：

根据爱因斯坦质能公式：

E＝mc²

ΔE＝Δmc²

Δm(t)＝m(t)-m(t-Δt)＝m(t-Δt)r(t)Δt

令：E_b＝m(t-Δt)R(t)

e_b＝m(t-Δt)r(t)

r(t)＝R(t)-1

其中，E为藻类生物能量，m代表质量，c代表光的速度，近似值为3×10^8m/s，r(t)为时序相对增长率，定义E_b为单位时间水华等效能量，定义e_b为单位时间水华动势能乘积能量因子，称生物等效增长能量。

3.根据权利要求1所述的一种结合双模型和生物等效能量的水华预测方法，其特征在于，获取有效样本中的叶绿素α浓度和藻密度数据，进行前后两日平均值修正拟合，过滤平滑数据随机性，得到日平均值修正数据，并采用乘积平方根平滑法对前后两日的叶绿素α浓度和藻密度随机增长率进行修正，得到修正后的相对增长率，具体为：

其中，t为自变量，取离散等距整数值：t＝0，1，2，...，单位为小时；x(t)为时序随机数；为日平均修正值；

增长率R(t)和相对增长率r(t)是t的非单调递增离散函数；

在Δt时间段里，相对增加量计算为：

其中，t为自变量，取离散等距整数值：t＝0，1，2，...，单位为小时；为日平均修正值；r(t)为时序相对增长率；r′(t)为修正后的相对增长率。

4.根据权利要求3所述的一种结合双模型和生物等效能量的水华预测方法，其特征在于，所述得到相对增长率，还具体包括：

采用增强型平均法+乘积平方根平滑法对叶绿素α浓度和藻密度随机增长率进行修正，得到相对增长率；

增长率R(t)和相对增长率r(t)是t的非单调递增离散函数；

对增长率R(t)进行日平均值修正，具体为：

其中r′(t)为修正后得到的相对增长率。

5.根据权利要求4所述的一种结合双模型和生物等效能量的水华预测方法，其特征在于，根据所述日平均值修正数据得到水华趋势的等效势能，根据所述修正后相对增长率得到水华趋势的等效动能，利用水华趋势的等效势能和水华趋势的等效动能计算得出生物等效增长能量，具体为：

e_k＝r′(t)

e_b＝e_p×e_k

E_b＝e_p×(e_k+1)

其中：e_p为等效势能，e_k为等效动能，e_b为生物等效增长能量；E_b为生物等效能量。