[发明专利]一种河口区污染物监测数据的智能融合与分析方法

说明书

本发明提供了一种河口区污染物监测数据的智能融合与分析方法，包括：收集研究区域污染物的历史数据，构建研究区域的污染物数据库；考虑主要的影响因素，构建污染物输运模型；根据已有数据结合污染物输运模型，给出背景场；结合监测的实时数据，采用自适应的最优插值算法(OI)实现数据同化，提高模型预报精度；将时变振幅拟合与机器学习相结合，对数据同化结果进行分析，获取河口区污染物的变化特征。

技术领域

本发明涉及监测数据的融合与分析方法领域，具体涉及一种河口区污染物监测数据的智能融合与分析的方法。

背景技术

数据融合与智能分析方法在数据处理领域中起着至关重要的作用。传统的数据融合算法在插值过程中采用的是一些普通的插值算法，这使得在传统的数据融合存在内生性的欠缺。一方面，在数据融合过程中未考虑物理意义的时空尺度，使得数据融合结果不堪理想，另一方面现有的分析模式，并未考虑过融合后存在的数值离散的误差，使得构建出的模式初始场精确度有限。

在此背景下，一种好的数据融合方法能更加有效的保留数据的原始信息，因此本发明提出一种可以提升数据融合效果的算法，并采取一些措施进一步提高模式初始场精确度，进而提高模型初始场预报精度的技术。

发明内容

有鉴于此，本发明提供了一种河口区污染物监测数据的智能融合与分析方法，具体步骤包括：

S₁、收集河口区污染物历史监测数据，构建研究区域的污染物数据库；

S₂、考虑污染物对流扩散及相互作用过程，构建污染物输运模型；

S₃、调用污染物数据库相关数据，构建污染物输运模型的初始条件和边界条件，获得模型背景场；

S₄、获取监测地点的现场实时观测数据，更新S₁建立的污染物数据库；采用自适应的最优插值算法OI对污染物实时观测数据进行数据同化，提高S₂中污染物输运模型模拟的精确度；

S₅、将时变振幅拟合与机器学习相结合，对S₄的数据同化结果进行分析，获取河口区污染物的变化特征。

与现有技术相比本发明具有如下优点：不同于传统的数据融合方法中只采用常规插值手段进行数据同化，本发明提出了采用自适应的最优插值方法进行数据的融合，该插值方法充分考虑了变量的物理意义和时空尺度，可进一步提升污染物输运模型的精确度；本发明结合这两方面的优势，有效的提高了数值预报的精确度。

附图说明

图1为本发明一种河口区污染物监测数据的智能融合与分析方法流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。

请参考图1，本发明提出一种河口区污染物监测数据的智能融合与分析方法，包括以下步骤：

S₁、收集河口区污染物历史监测数据，构建研究区域的污染物数据库；污染物数据库包括：氨氮、硝酸盐、亚硝酸盐、铜、锌、六价铬、TOC、COD、总氮以及总磷等；

S₂、考虑污染物对流扩散及相互作用过程，构建污染物输运模型；

在近海污染物的模拟过程中受模型的初始状态和源汇的影响尤为明显，为了更加突出污染物的源汇和模型的初始条件在污染物模拟中的作用并且尽量不受到其他的模型控制变量的影响，保留污染物变化过程中的物理过程(对流和扩散过程)，同时考虑了不同种类的污染物的影响，建立污染物输运模型：