[发明专利]一种河流水质监测数据序列加密方法

说明书

本发明提供了一种河流水质监测数据序列加密方法，首先通过LOADEST模型优选出污染物通量与流量之间的回归方程，通过高频次的流量监测数据预估出初次加密的水质序列，将流量过程的波动特性通过回归方程传递给水质过程，从而弥补线性插补法不能刻画水质变化过程波动特性的不足；再通过卡尔曼滤波校正模型对初次加密的水质序列进行校正，将水质实测值与基于LOADEST模型的水质预估值进行数据同化，因而可有效减小最终估算值与实测值之间的误差，从而弥补相关模型插补法误差较大的不足；最终获得的水质加密数据序列既能刻画出2个实测点之间水质过程的波动变化特性，同时也能有效减小估算值与实测值之间的误差，弥补了现有方法的缺陷。

技术领域

本发明涉及水质监测和模拟分析领域，具体涉及一种河流水质监测数据插补和加密方法。

背景技术

水环境的污染与破坏是当今世界面临的主要问题之一，对水质进行监测是掌握河流水环境质量的基本手段，但受限于当前水质监测手段的技术经济水平，水质常规监测频率通常为1-3次/月，其中1月/次占绝大多数。

1-3次/月的实测水质数据序列，由于数据点之间的时间跨度大、分布离散，因而仅能反映河流水质的宏观变化趋势，难以反映水质的真实变化过程。因此，在开展污染负荷通量精确计算、水量水质耦合模拟中需要对低频次的实测水质数据序列进行插补和加密。如何使加密后的水质数据序列能更真实的反映实际的水质变化过程，是其中的重点和难点。

目前，对实测水质数据序列进行加密的方法主要有线性插补和相关模型插补2类，其中线性插补是最简单也是最常用的方法。

线性插补加密法认为2个实测数据点之间的水质状况服从线性变化规律，无需用到实测水质数据以外的其它数据，因此非常简单；这种处理方法对于人类活动干扰不大、水质过程变化缓慢的河流是适用的。但是对于水资源高度开发下的流域，人类活动干扰大，河流水质过程变化剧烈，由于线性变化的假设严重偏离实际情况，因而基于此法加密出的水质序列无法刻画出2个实测点之间水质过程的波动变化特性，会导致河流污染负荷通量计算、水量水质耦合模拟出现很大偏差，相关成果难以支撑水环境管理与决策。

为弥补线性插补法的不足，相关模型插补法被提出，即通过建立河流水质与可高频次监测的河流因子(通常为流量)之间的相关关系，据此利用高频次的流量监测数据来插补2个实测水质点之间的水质浓度，从而获得与流量监测频次一样高的水质序列数据。通过相关模型插补法加密的水质序列可一定程度刻画出2个实测点之间水质过程的波动变化特性；但由于数据不完备、模型参数非最优等影响，利用相关模型估算出的水质与实测值之间不可避免存在误差，很多情况下误差较大，这同样会导致河流污染负荷通量计算、水量水质耦合模拟出现较大偏差，相关成果难以支撑水环境管理与决策。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供了一种河流水质监测数据序列加密方法，将LOADEST污染负荷估算模型和卡尔曼滤波校正模型相结合，对河流水质监测数据序列进行插补和加密。

技术方案：本发明提供了一种河流水质监测数据序列加密方法，包括以下步骤：

(1)基于LOADEST污染通量模型的水质加密数据预估：以河流污染物浓度监测数据及同步的流量数据为输入，运行LOADEST模型优选出污染物通量与流量之间最佳的回归方程；基于优选出的通量回归方程，LOADEST模型根据输入的日流量数据估算污染物的日通量，将污染物日通量除以日流量即得到加密后的日水质浓度预估值；

(2)基于卡尔曼滤波模型的水质加密数据校正：以实测水质数据及同步的基于LOADEST模型预估的水质数据为输入，按照卡尔曼滤波递推算法计算经过校正的实测时刻水质最优估计值，最优估计值与实测值之差即为实测时刻的误差校正值；基于误差线性分布的假设，将实测误差校正值插值拓展至每日从而获得日水质误差校正值，将日水质浓度预估值加上日水质误差校正值即得到经过校正的高精度日水质数据序列。