[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

说明书

本发明提供一种结合双模型和生物等效能量的水华预测方法和装置，其中方法包括如下步骤：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2日平均值修正和随机增长率进行增强型尖角圆滑修正，计算等效势能和等效动能，并利用水华趋势的等效势能和等效动能计算得出生物等效增长能量；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；根据生物等效增长能量，以及预测得到的叶绿素α浓度和藻密度数据与预测目标值的对比结果，共同评估水华趋势并进行预警；本发明结合藻类生物能量本质及其非常数指数增长数学模型能够更准确地实现水华趋势的预测。

技术领域

本发明涉及水华预测领域，特别是指一种结合双模型和生物等效能量的水华预测方法。

背景技术

随着经济社会的发展，水体富营养化已经成为一个全球性的重大水环境问题。水体富营养化是指在人类活动的影响下，生物所需的氮、磷等营养物质大量进入湖泊、河湖、海湾等缓流水体，引起藻类及其他浮游生物迅速繁殖、水体溶解氧量下降、鱼类及其他生物大量死亡的现象。藻类水华是水体富营养化的典型表现，是我国河湖水环境污染的主要问题之一。藻类暴发性繁殖，致使水质恶化、缺氧、产生腥臭等异味物质，甚至产生藻毒素并通过食物链对人、畜和水生生物造成毒害，继而破坏河流生态的稳定性，严重影响城市供水和饮用水安全，危害人类健康，制约区域经济的可持续发展，给人类生活带来极其恶劣的影响，水华问题已被列入全球性的水污染问题。因此，深入研究藻类水华生成过程，对藻类水华暴发这一非常规突发事件进行有效模拟和预测，对促进水环境保护和技术进步具有重要意义。

目前蓝藻水华预测方法包含单一营养盐模型、浮游植物生态模型、生态动力学模型等，这些模型中含有许多生态变量和待定参数，通过描述水华发生的机理过程进行建模，在认识水华和治理水华发面发挥重要作用，但此类模型多是针对影响水华形成的生物、化学和物理因素等方面展开研究，但是水华的发生仍然是一个机理不太清楚的非线性问题，还需要进行深入的研究，同时，模型中大量的待定参数也限制了模型的适用性；另外，还有包括数理统计模型和人工智能模型，如人工神经网络、支持向量机、模糊理论、决策树等，这些模型从大量的实测数据中通过智能算法等技术挖掘隐藏于静态湖库系统的相关信息，能很好的模拟相对稳定的非线性过程，尤其适用于机理不明确的高维非线性系统，在长期静态湖库水华预测中得到了运用，但对水华影响因子的主观取舍会给准确预测水华带来不稳定的因素，并且会存在局部最小问题、泛化能力较差、预测精度有限等问题，对随机性很强的上游梯级湖库汇流，尚无短期预测成功案例。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种结合双模型和生物等效能量的水华预测方法，通过改进的非常数指数修正的马尔萨斯模型(Malthusianmodel)和逻辑斯蒂阻滞增长数学模型(Logistic growth model)以及生物等效能量，共同预测水华趋势，结合数学模型和藻类生物能量本质能够更准确地实现水华趋势的预测。

本发明采用如下技术方案：

一种结合双模型和生物等效能量的水华预测方法，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；

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；