[发明专利]一种曝气扰动下黑臭河道水质指标的相关性分析方法

权利要求书

1.一种曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，所述曝气扰动下黑臭河道水质指标的相关性分析方法为：

步骤一：分别截取三段水质相同的黑臭河道，前两段分别进行泥曝气ES、水曝气EW，最后一段无曝气作为对照；

步骤二：分别计算泥曝气组、水曝气组及对照组中上覆水、间隙水及底泥中的各指标动态变化的相关系数；

步骤三：根据计算的相关系数，采用Pearson相关矩阵确定上覆水、间隙水及底泥各变量之间的相关性。

2.如权利要求1所述曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，所述各指标具体为硫、氮主要形态动态变化、铁与氮、磷形态动态变化、硫、铁形态与COD变化的相关性分析。

3.如权利要求1所述曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，步骤一中，进行泥曝气ES、水曝气EW中，利用泥体、水体中氧饱和浓度与实际浓度存在浓度差，形成氧转移的推动力，表达式为：

式中：dm/dt一氧的转移速率(mg·h^-1)，K_L一氧转移系数(h^-1)，A一气、液相界面面积(m²)，ρL一液体的实际溶解氧浓度(mg·L^-1)，ρs一液体内饱和溶解氧浓度(mg·L^-1)。

4.如权利要求1所述曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，步骤二分别计算泥曝气组、水曝气组及对照组中上覆水、间隙水及底泥中的各指标动态变化的相关系数中，

设置当前未超标发警报指数，该指数为当前指标警报的阀值；

以未超标发警报指数为界限，向上取当前指标动态变化数据，该部分为指标动态变化警报数据；

根据BP神经网络预测算法，预测下一时间节点的水质各项动态变化指标值。

5.如权利要求4所述曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，BP神经网络预测算法包括：

产生u个模糊规则，当一个新的样本出现时，把输入的变量投影到一维的隶属函数空间，计算数据与边界集φ_i之间的欧式距离ed_i(j)，并且找到它的最小值ed_i(j_n)，如果：

ed_i(j_n)≤k_mf

不用分配新的高斯函数，否则就需要产生一个新的高斯函数，它的宽度由式2-10决定，其中心的设置如下：

c_i(u+1)＝x_i^k；

模型为：D＝Hθ+E；其中，D＝T^T为期望的输出，H＝φ^T＝(h₁…h_v)，θ为它的实参数，E是误差向量；H通过QR分解成正交基向量集：H＝PN，其中P＝(p₁，p₂，…，p_v)。

6.如权利要求4所述曝气扰动下黑臭河道水质指标的相关性分析方法，其特征在于，BP神经网络预测算法进一步包括：

F_ij[n]＝S_ij；

U_ij[n]＝F_ij[n](1+β_ij[n]L_ij[n])；

其中，β_ij[n]为自适应链接强度系数；

S_ij、F_ij[n]、L_ij[n]、U_ij[n]、θ_ij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，N_w为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3。