[发明专利]一种基于特征工程的河涌水质预测方法

说明书

一种基于特征工程的河涌水质预测方法，包括：步骤A：获取影响河涌水质的监测数据；步骤B：对影响河涌水质的监测数据进行预处理；步骤C：构造影响河涌水质的特征指标；步骤D：采用相关系数法进行特征指标筛选，包括通过Pearson相关系数法进行LSTM模型的特征筛选；步骤E：模型结构数据处理，包括将筛选的特征指标，进行LSTM模型结构数据预处理；步骤F：模型训练及自动调参，包括对LSTM模型进行训练和自动调优LSTM模型参数，保存最优模型至服务器上；步骤G：模型预测及结果评估，包括基于最优模型获取预测数据，评估预测数据与真实数据的偏差。本发明结合河涌的多因素、多条件影响因素，实现更准确、更全面反映水质变化的预测情况。

技术领域

本发明涉及水质预测技术领域，尤其涉及一种基于特征工程的河涌水质预测方法。

背景技术

随着城市化进程的加快，城市内河涌的污染日益严峻，为了更高效的监管河涌水质及入河污染物的排放，提高河涌水污染的防治效率，环境管理部门需要更及时、更精准、更全面的了解河涌水质变化，并对主要排放口提前采取措施，提高河涌水质优良比。因此，对河涌的水质预测非常重要。

目前，水质预测方法主要包括：回归分析预测法、Markov法、时间序列分析预测法和函数模型预测法等传统预测法，以及神经网络模型、支持向量回归模型和灰色理论模型等新型水质预测模型。然而，在现有的河涌水质预测方法中，往往是针对某一方面的特征数据进行时间序列预测(例如，仅根据气象特征预测水质)，并没有全面考虑影响水质的各方面因素，从而对河涌水质的预测效果不理想。

事实上，河涌水环境是一个多因素、多条件影响的复杂系统。污染物进入河涌后，会经历混合、稀释、扩散、沉淀等物理过程，以及氧化、还原、降解、吸收、吸附、凝聚等生化反应过程，从而使污染物浓度降低。其中，影响物理自净过程的主要是水文条件和污染物的物理性质。而影响生化反应过程的主要是污染物的化学性质、溶解氧、水温、酸碱度、水体生物种类等。对于以生活污水为主导的河涌，居民每天生活污水的排放比较有规律且相对稳定，河涌污染物的物理性质、化学性质、酸碱度、水体生物种类等，在短期内变化通常较小。

一般情况下，短期内影响河涌水质变化的主要是四个方面的原因：一是受上游来水、地表径流、沿途排放、降雨等外源污染的影响；二是受温度、风速，日照、气压、湿度等气象因素的影响；三是对河涌的调水、曝气等人工干预措施的影响；四是居民生活污水的排放规律。下面以河涌中的污染物氨氮为例说明具体影响因素：

一是降雨因素。一方面降雨会影响上游来水、地表径流等外源污染；另一方面降雨会影响水体的物理自净过程。在没有降雨的时候，城市河涌流速较慢，污染物迁移和扩散较慢，水体的物理自净能力较弱；在降雨的时候，河涌流速较快，污染物迁移和扩散较快，水体的物理自净能力显著增强。降雨对河涌水体污染物浓度的影响主要体现在：一是降雨历时。一般情况下，初期雨水中的主要污染物的浓度大于后期雨水，即出现“降雨初始冲刷效应”的现象。二是降雨强度。不同降雨量的溢流情况也不一样，小雨、中雨的溢流影响较小，对河涌水质的变化影响较小。而大雨、暴雨、大暴雨、特大暴雨对水质的变化影响较大。三是近期降雨情况。近期降雨量越小，本次强降雨对水质的波动影响越大。

二是温度、风速，日照、气压、湿度等气象因素。如图1，含氮化合物相互转化流程图。气象因素主要是通过影响河涌的溶解氧、水温的变化，从而影响氨氮的自然降解过程。如图2，溶解氧在水体中的传递过程包括：大气复氧、氨化作用、硝化作用、有机物降解、藻类呼吸作用及光合作用，其它物质降解、底泥耗氧、杂质吸附等。其中，大气复氧、光合作用受温度、气压、风速、湿度、光照强度等气象因素的影响较大；而其它耗氧过程主要受水质污染浓度的影响。而影响水温的主要是气温、风速、相对湿度等气象因素，一般情况下，气温越高、相对湿度越大，水温越高；而风速越大，水温越低。

三是对河涌的调水、曝气等人工干预措施。从外江调入更干净的水质，增加曝气时长，都有利于加快水质自净过程，从而降低污染物浓度。