[发明专利]一种河流水环境质量预测方法

权利要求书

1.一种河流水环境质量预测方法，包括以下步骤：

S1、模型初始化：通过与在线监测设备不同水质指标传感器建立通信，获得在线数据；

S2、获得水质指标历史监测值：对监测水体、监测断面、监测水质指标进行One-HotEncoding独热编码；

S3、水质指标特性提取：通过对水质指标历史监测值进行相关性分析、因子分析、聚物分析：

3-1、相关性分析：对监测断面、监测水质指标进行水质指标相关性分析，获得各监测断面监测水质指标相关关系；

3-2、因子分析：对监测断面、监测水质指标进行水质指标因子分析，获得各监测断面及监测水质指标主要因子；

3-3、聚类分析：通过主要因子数对监测断面、监测时间进行聚类分析，获得各监测断面、监测时间类别；

3-4、选择分析后的监测断面、监测时间、监测水质指标；

S4、模型训练：对通过相关性分析、聚类分析得到的监测断面、监测水质分别进行SARIMA、ANN、LSTM算法模拟预测，将算法预测得到的数据与相对应的水质指标数据进行对比；

S5、分别统计SARIMA、ANN、LSTM算法模拟精度，判断SARIMA、ANN、LSTM算法预测模型误差率是否小于设定阈值的30%；如果预测模型误差率小于设定阈值的30% ，则归于优化模型池，直接进行下一步；如果预测模型误差率大于设定阈值的30% ，则归于休眠模型池；

S6、根据模拟精度，确定优化模型池中最优模型，判断SARIMA、ANN、LSTM算法预测模型是否重新优化参数，如果优化模型池中最优模型误差率大于设定阈值的30%，则返回S4，重新进行SARIMA、ANN、LSTM算法预测模型模型训练，优化参数；如果优化模型池中最优模型误差率小于设定阈值的30%，则直接进行下一步；

S7、水质预测实时运用时，采用双线程法，水质预测采用最优模型进行实时预测预警，同时采用其他算法模拟；

S8、统计水质预测实时运用优化模型池中模型模拟精度，同时动态跟踪预测精度调整最优预测模型；

S9、重复统计水质预测实时运用优化模型池中模型模拟精度，且同时动态跟踪预测精度调整最优预测模型，将水质预测进行实时运用。

2.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，水质特征提取是通过因子分析、聚类分析、相关性分析，将水质变化相似的监测断面视为一类，分析这类监测断面对应主要污染指标以及主要污染指标相关联指标；将主要污染指标与相关性指标一起都作为输入指标，通过指标之间的联系以及时间序列前后数据的相关性进行主要污染指标的预测，从而提高预测精度。

3.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，所述聚类分析采用欧氏距离d，第个对象和第个对象的距离可由下列公式计算，其中对象是水质监测断面，对各断面之间相同的水质参数进行对应计算：

；

式中：为第个对象的第个属性值，其中第个对象为水质断面或月份；为第个对象的第个属性值，其中第个对象水质断面或月份；第个属性值为水质指标值；d表示邻近水质监测断面之间的水质变化程度，值越高表示邻近水质监测之间水质变化快。

4.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，所述因子分析由下式表示：

；

式中：为因子荷载，指因子旋转后各变量对该因子的影响程度；为共同因子；为总样本数目；为累积误差余项；为提取出的因子数目。

5.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，皮尔逊相关系数的计算公式如下：

；

相关系数的显著性检验，用样本相关系数r作为总体相关系数ρ的估计值，而r仅说明样本数据的X与Y的相关程度。

6.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，所述训练模型是将历史水质数据随机拆分为不均等两份，多的部分数据作为训练集，少的为测试集；在训练集中建立的SARIMA、ANN、LSTM算法模型；将模型作用于测试集，实时反馈测试结果并进行不断的模型优化。

7.根据权利要求1所述的一种河流水环境质量预测方法，其方法在于，选择最优预测模型通过SARIMA、ANN、LSTM算法模型的训练及预测，计算三种模型的预测值与实际值的平均误差率、均方根误差，且根据预测值n的增加动态更新，模型的预测值与实际值均方根误差和平均误差率越小，则模型越好：

平均误差率=；

均方根误差=；

其中：

Xi表示模型预测值；

Yi表示实际预测值；

n表示预测值的个数，且随着动态更新。