[发明专利]一种河流水质监测数据序列加密方法

摘要

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。

主权项

1.一种河流水质监测数据序列加密方法，其特征在于：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，经过校正的实测时刻水质最优估计值与基于LOADEST的实测时刻水质预估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；具体步骤如下：步骤(2)针对水质数据的校正，构建如下的预估－校正过程来实现水质加密数据的校正：①预估：X0＝AXL+w式中，X₀为基于LOADEST模型水质预估值的卡尔曼滤波迭代初始值；X_L是经LOADEST模型预估的水质浓度；A为状态转换参数，取水质实测值与LOADEST模型预估值的线性相关系数；w为模型噪声，其服从均值为0、方差为D的正态分布，D依据基于LOADEST的水质预估值误差的方差给定；为第k迭代步的水质预估值；X_k‑1为第k‑1迭代步的水质校正值；②校正：状态预估误差协方差更新：式中，为第k迭代步的预估协方差；P_k‑1为第k‑1迭代步的校正协方差，其迭代初始值P₀可参考LOADEST的水质预估值误差的方差给定，一般不取0；卡尔曼增益计算：式中，Kk为第k迭代步的卡尔曼增益；H是为1的量测转换参数矩阵；B为量测噪声的方差，依据水质因子测验分析手册给定；滤波校正：式中，Xk为第k迭代步的水质校正值；Y为实测水质；状态滤波误差协方差更新：式中，I为1的矩阵；按式(6)～(10)依次执行自回归迭代计算，Pk收敛为常值后即获得经过校正的实测时刻水质最优估计值，其与基于LOADEST的实测时刻水质预估值之差即为实测时刻误差校正值，假定误差的时间分布服从线性变化规律，从而插补出加密时刻的水质误差校正值；将基于LOADEST的水质加密数据预估值加上误差校正值即获得最终加密的水质数据序列。