[发明专利]基于模糊支持向量机的城市湖库蓝藻水华多变量预测方法

说明书

本发明公开了一种基于模糊支持向量机的城市湖库蓝藻水华多变量预测方法，包括以下几个步骤：步骤一、选取城市湖库蓝藻水华多变量预测建模中关键影响因素；步骤二、重构城市湖库蓝藻水华多变量时间序列的相空间；步骤三、最近邻域点优化确定；步骤四、获取城市湖库蓝藻水华多变量模糊支持向量机预测模型，进行城市湖库蓝藻水华预测。本发明提出相似系数分析定义对湖库蓝藻水华生成关键影响因素进行选取，将时间序列变化趋势一致性与时域特征结构相似性综合考虑以确定影响因素与表征因素之间的相似程度，以提取较完备的强相关信息，减少冗余信息，提高预测的鲁棒性和泛化能力。

技术领域

本发明涉及一种城市湖库蓝藻水华预测方法，属于环境工程技术领域。具体地说，是指在深入研究蓝藻水华生成过程中具有多重影响因素以及混沌属性的基础上，优化选取蓝藻水华生成的关键影响因素，而后依据测定的多个变量的时间序列数据，确定多变量时间序列的最优延迟时间和嵌入维数进行相空间重构，进而结合混沌时间序列预测中最近邻域点优化思想以及模糊支持向量机(Fuzzy Support Vector Machine，FSVM)的强非线性拟合能力，构建城市湖库蓝藻水华多变量预测算法以探索提高蓝藻水华预测精度的有效方法。

背景技术

随着社会与经济的发展，国内外很多湖泊、水库富营养化状态形势严峻。富营养化是指生物所需的氮、磷等营养物质大量进入湖泊、河口等缓流水体，导致藻类及其他浮游生物迅速繁殖，水体溶解氧含量下降，鱼类及其他生物大量死亡的现象。由于大量死亡的水生生物沉积到湖底，被微生物分解，消耗了大量的溶解氧，使得水体溶解氧含量急剧降低，水质恶化，以致影响到水生生物的生存，从而进一步加速了水体富营养化过程。

水华是淡水水体富营养化的表现之一，其中发生最普遍、研究较多的是蓝藻水华。蓝藻水华由于水生生物死亡分解时产生毒素，导致水体缺氧并破坏正常的食物链，进而威胁到饮用水安全、自然景观和公众健康，能够造成严重的经济损失和社会问题。几乎全世界的主干水系，包括非洲的维多利亚湖、欧洲的波罗的海、北美的伊利湖等都出现过严重的蓝藻水华。我国是世界上蓝藻水华发生最严重、分布最广泛的国家之一，其中太湖、巢湖和滇池的蓝藻水华暴发尤为严重。

在目前针对蓝藻水华的多种预测方法中，大部分是针对描述蓝藻水华现象的单一表征因素进行建模、预测。由于蓝藻水华生成过程是营养盐因素、环境因素和生物因素共同作用的结果。各个因素之间相互作用、相互制约，蓝藻水华预测模型的构建需要考虑不同复杂环境下的水体特征，因此采用单一因素建模对蓝藻水华预测而言是不完善的。此外，在时间序列长度相同的情况下，多变量时间序列通常包含了比单变量时间序列更丰富的动力学信息，具有一定的信息完备性和确定性。所以，采用多因素建信息建立多变量预测模型可以克服部分带有测量噪声的建模数据对预测精度的不良影响。

由于蓝藻水华生成过程具有非随机却貌似随机的混沌属性，因此借鉴混沌理论的部分研究成果可为探索这种复杂的非线性规律提供新的思路。混沌时间序列预测是混沌理论的一个重要应用领域和研究热点，它的关键是相空间重构。相空间重构是一种有效展现混沌吸引子动力学特性的方法，该方法的关键是需要确定非线性时间序列的嵌入维数，并选择合适的延迟时间。重构的相空间保持了原来系统的几何结构，并具有同样的动力学特性。这样，通过合理的选择嵌入维数与延迟时间，就可以把混沌时间序列中蕴藏的信息充分显露、挖掘出来，从而进行准确的预测。

近年来，鉴于蓝藻水华生成过程的复杂性，生态系统各个因素之间表现出的非线性和不确定性，以及现场监测信息的不连续性等特点，亟需探求更有效的方法用于蓝藻水华预测。智能建模方法作为一种用于模拟、延伸和扩展人类智能的方法，能够模拟人类思维将一些不完全、不可靠和不确定的信息和知识转变为相对完全、可靠和确定的信息和知识，进而能很好地模拟非线性过程。适合对机理不明确的高维非线性系统进行建模研究，从而为蓝藻水华预测建模提供了探索与实践工具。近年来，随着智能建模方法研究的深入，许多先进的智能方法例如粒子群算法、支持向量机等在非线性建模领域广泛应用，因此，融合智能化方法研究蓝藻水华建模预测问题也是非常必要的。

发明内容