[发明专利]基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法

权利要求书

1.基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法，其特征在于，包括水动力模型、水质模型和SOM神经网络三部分；

所述水动力模型和水质模型分别由Sant-Venant方程和对流扩散方程建立，用于分析一维河道的水动力、污染物分布状况，

所述水动力模型的建立：该模型使用隐式有限差分法对河流和海岸的不稳定水流进行求解；其控制方程为Sant-Venant方程组：

式中：X–距离；t–时间坐标；A–过水断面面积；Q–流量；h–水位；q–旁侧入流量；n–河床糙率系数；F–水力半径；g–重力加速度；

所述水质模型的建立：水质模型对水体中的可溶性物质和悬浮物质对流扩散过程进行模拟的工具，它根据水动力模型产生的水动力条件，应用对流扩散方程进行计算，可以设定一个恒定的衰减常数模拟非保守物质，模拟物质在水体中的对流扩散过程，其基本方程为：

式中：C–污染物浓度，mg/L；D–污染物弥散系数；A–断面过水面积，m²；Q–流量，m³/s；K–降解系数，s-1；C₀–污染物的点源浓度，mg/L；q–污染物的点源流量，m³/s；x–空间步长，m；t–时间步长，s；

具体包括如下步骤：

1)搜集所研究河流的流量资料、水位资料、河流底高程资料数据；

2)将这些资料数据输入水动力模型中，模拟得到河流的水动力情况，水动力情况为河流流量时间序列，并利用现有的水文站资料进行验证，经验证准确后将数据导出；

3)将搜集的单位污染负荷资料输入水质模型，构建一维河道的水质模型，并将模拟的河流各节点的污染浓度时间序列结果导出；

所述SOM神经网络用于将水动力模型、水质模型得到的河流流量时间序列及各节点的污染浓度时间序列进行聚类分析并作出评价，具体为：将水动力模型得到的河流流量数据输入SOM神经网络模型中，按照每个时刻流量在河道上的分布相似性进行聚类，得到一个合理分类的n×n的SOM神经网络拓扑图，总计n²个流量模式，每种模式代表了不同的河流流量模式，该图可以表示河流节点的河床高程及流量。再将水质模型得到的污染浓度时间序列数据用与流量同样的聚类结果进行特征提取，得到河流的各污染源污染分布拓扑图。

2.根据权利1所述的基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法，其特征在于：利用水动力模型及水质模型得到大量的高维度流量数据及污染浓度时间序列。

3.根据权利1所述的基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法，其特征在于：将河流看作一维的，可以评价河流的污染排放源的位置及排放量对河流水质的影响。