CN107576771B - 一种基于最小二乘法的水库纳污能力预警方法 - Google Patents

一种基于最小二乘法的水库纳污能力预警方法 Download PDF

Info

Publication number
CN107576771B
CN107576771B CN201710829327.3A CN201710829327A CN107576771B CN 107576771 B CN107576771 B CN 107576771B CN 201710829327 A CN201710829327 A CN 201710829327A CN 107576771 B CN107576771 B CN 107576771B
Authority
CN
China
Prior art keywords
water quality
reservoir
water
early warning
quality parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710829327.3A
Other languages
English (en)
Other versions
CN107576771A (zh
Inventor
徐能通
庄佳宝
单森华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Four Creation Technology Ltd Co
Original Assignee
Four Creation Technology Ltd Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Four Creation Technology Ltd Co filed Critical Four Creation Technology Ltd Co
Priority to CN201710829327.3A priority Critical patent/CN107576771B/zh
Publication of CN107576771A publication Critical patent/CN107576771A/zh
Application granted granted Critical
Publication of CN107576771B publication Critical patent/CN107576771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Removal Of Specific Substances (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种基于最小二乘法的水库纳污能力预警方法，包括以下步骤：（1）在水库选取若干个水质监测点；（2）对监测点高、中、低三个水层的水质进行监测；（3）计算水库水质参数；（4）根据历史水库水质参数数据，利用最小二乘法曲线拟合计算未来12小时的水质参数；（5）在预测时间段内出现预警值时提示。本发明对监测数据进行数据优化后进行函数拟合，预测未来12小时的水库水质参数，为管理人员提供辅助决策。

Description

一种基于最小二乘法的水库纳污能力预警方法
技术领域
本发明涉及水域纳污技术领域，具体涉及一种基于最小二乘法的水库纳污能力预警方法。
背景技术
水域纳污能力分析是水污染总量控制的基础，其定量核算对保护水环境具有重要的意义。现行水库的纳污能力即水域污染纳污能力污染负荷计算方法采用《水域纳污能力计算规程》GB/T 25173—2001，存在以下问题：在水库纳污能力计算之前，需要进行水文资料、水质资料、排污口资料、水下地形资料等内容的调查，耗时长，且数据容易缺失和存在误差；模型计算法中的均匀混合模型、非均匀混合模型和分成模型需要大量数据的检验才能确定参数，存在一定的偶然；模型的求解及计算采用条件简化和假定的方式，存在主观判断，最终的结果无法客观的体现出水库的纳污能力。在不能准确计算水库的实时纳污能力的条件下，需要对水库水质进行实时监测并预测，以供管理者辅助决策，及时采取措施，以防水库水质恶劣变化。
发明内容
为解决上述现有技术存在的问题，本发明提出一种基于最小二乘法的水库纳污能力预警方法，通过最小二乘法对未来12小时的水库水质参数进行滚动预测，及时报警提示。
为达到上述目的，本发明的技术方案是：一种基于最小二乘法的水库纳污能力预警方法，包括以下步骤：
步骤S1：在水库选取若干个水质监测点；
步骤S2：在水质监测点对高、中、低三个水层的水质进行监测，利用水质传感器在线监测水质参数，所述水质参数包括：温度、PH值、浊度、含氧量、电导率、高锰酸盐、氨氮、总磷总氮、叶绿素、蓝绿藻；
步骤S3：计算水质监测点所在的区域水质参数和整个水库的水质参数：
smn＝(dmn+emn+fmn)/3
Figure GDA0001430157140000021
其中，m＝1,2,...,M,M为水质监测点数量，n＝1,2,...N,N为监测的水质参数的种类数，smn为第m个水质监测点所在区域的第n种水质参数数据，dmn、emn、fmn分别为第m个水质监测点高、中、低层的第n种水质参数数据，Sn为水库的第n种水质参数数据；
步骤S4：根据水库的历史水质参数数据，利用最小二乘法曲线拟合计算未来12小时的水质参数；
步骤S5：根据水库水质等级要求设定每种水质参数预警值，当预测时间段内出现预警值则报警提示。
进一步地，所述步骤S1按如下方法选取水质监测点：将水库的水面拟化成若干个面积相等的多边形，利用多边形最大内切圆算法得到圆心，所述圆心所在地即选取为水库的水质监测点。
进一步地，所述步骤S4具体包括：
步骤S41：将监测到的预测时刻前240小时的水库水质参数按时间和水质参数数值在直角坐标系中形成若干点Pi(xi,yi)，x轴为时间，y轴为水质参数数值，得到y＝f(x)的曲线,i＝1,2,...I,I为历史数据个数；
步骤S42：计算y＝f(x)的拟合曲线
Figure GDA0001430157140000031
拟合曲线
Figure GDA0001430157140000032
在点Pi(xi,yi)处的偏差为
Figure GDA0001430157140000033
设拟合曲线的多项式为：
y＝a0+a1x+…+akxk
令点Pi(xi,yi)到拟合曲线的偏差的平方和最小：
Figure GDA0001430157140000034
通过多项式的分解计算得到a0,a1,...,ak，从而得到拟合曲线
Figure GDA0001430157140000035
在未来12小时的水库水质参数。
与现有技术相比，本发明具有以下有益效果：
(1)数据来源于水质实时在线监测，无需完整的水文资料或水下地形资料等；
(2)对监测数据进行数据优化后进行函数拟合，数据客观性和实时性较高。
附图说明
图1是本发明一种基于最小二乘法的水库纳污能力预警方法的流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示，一种基于最小二乘法的水库纳污能力预警方法，包括以下步骤：
步骤S1：将水库的水面拟化成10个面积相等的多边形，利用多边形最大内切圆算法得到圆心，所述圆心所在地即选取为水库的水质监测点。
步骤S2：在水质监测点对高、中、低三个水层的水质进行监测，利用水质传感器在线监测水质参数，所述水质参数包括：温度、PH值、浊度、含氧量、电导率、高锰酸盐、氨氮、总磷总氮、叶绿素、蓝绿藻；
步骤S3：计算水质监测点所在的区域水质参数和整个水库的水质参数：
smn＝(dmn+emn+fmn)/3
Figure GDA0001430157140000041
其中，m＝1,2,...,M,M,为水质监测点数量，M＝10，n＝1,2,...N,N为监测的水质参数的种类数，smn为第m个水质监测点所在区域的第n种水质参数数据，dmn、emn、fmn分别为第m个水质监测点高、中、低层的第n种水质参数数据，Sn为水库的第n种水质参数数据；
步骤S4：根据水库的历史水质参数数据，利用最小二乘法曲线拟合计算未来12小时的水质参数；
步骤S4具体包括：
步骤S41：将监测到的预测时刻前240小时的水库水质参数按时间和水质参数数值在直角坐标系中形成若干点Pi(xi,yi)，x轴为时间，y轴为水质参数数值，得到y＝f(x)的曲线,i＝1,2,...I,I为历史数据个数；在本实施例中，以1小时为时间间隔，每种水质参数有240个数据；还可以缩短时间间隔，选取更多的历史数据；
步骤S42：计算y＝f(x)的拟合曲线
Figure GDA0001430157140000051
拟合曲线
Figure GDA0001430157140000052
在点Pi(xi,yi)处的偏差为
Figure GDA0001430157140000053
设拟合曲线的多项式为：
y＝a0+a1x+…+akxk
令点Pi(xi,yi)到拟合曲线的偏差的平方和最小：
Figure GDA0001430157140000054
通过多项式的分解计算得到a0,a1,...,ak，从而得到拟合曲线
Figure GDA0001430157140000055
在未来12小时的水库水质参数。
步骤S5：按照水库水质等级要求，根据《中华人民共和国地表水环境质量标准》，对照《地表水环境质量标准基本项目标准限值》设定每种水质参数预警值，当预测时间段内出现预警值则报警提示。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (3)

1.一种基于最小二乘法的水库纳污能力预警方法，其特征在于，包括以下步骤：
步骤S1：在水库选取若干个水质监测点；
步骤S2：在水质监测点对高、中、低三个水层的水质进行监测，利用水质传感器在线监测水质参数，所述水质参数包括：温度、PH值、浊度、含氧量、电导率、高锰酸盐、氨氮、总磷总氮、叶绿素、蓝绿藻；
步骤S3：计算水质监测点所在的区域水质参数和整个水库的水质参数：
smn＝(dmn+emn+fmn)/3
Figure FDA0002354851630000011
其中，m＝1,2,...,M,M为水质监测点数量，n＝1,2,...N,N为监测的水质参数的种类数，smn为第m个水质监测点所在区域的第n种水质参数数据，dmn、emn、fmn分别为第m个水质监测点高、中、低层的第n种水质参数数据，Sn为水库的第n种水质参数数据；
步骤S4：根据水库的历史水质参数数据，利用最小二乘法曲线拟合计算未来12小时的水质参数；
步骤S5：根据水库水质等级要求设定每种水质参数预警值，当预测时间段内出现预警值则报警提示。
2.根据权利要求1所述的一种基于最小二乘法的水库纳污能力预警方法，其特征在于，所述步骤S1按如下方法选取水质监测点：将水库的水面拟化成若干个面积相等的多边形，利用多边形最大内切圆算法得到圆心，所述圆心所在地即选取为水库的水质监测点。
3.根据权利要求1所述的一种基于最小二乘法的水库纳污能力预警方法，其特征在于，所述步骤S4具体包括：
步骤S41：将监测到的预测时刻前240小时的水库水质参数按时间和水质参数数值在直角坐标系中形成若干点Pi(xi,yi)，x轴为时间，y轴为水质参数数值，得到y＝f(x)的曲线,i＝1,2,...I,I为历史数据个数；
步骤S42：计算y＝f(x)的拟合曲线
Figure FDA0002354851630000023
拟合曲线
Figure FDA0002354851630000024
在点Pi(xi,yi)处的偏差为
Figure FDA0002354851630000021
设拟合曲线的多项式为：
y＝a0+a1x+…+akxk
令点Pi(xi,yi)到拟合曲线的偏差的平方和最小：
Figure FDA0002354851630000022
通过多项式的分解计算得到a0,a1,...,ak，从而得到拟合曲线
Figure FDA0002354851630000025
在未来12小时的水库水质参数。
CN201710829327.3A 2017-09-14 2017-09-14 一种基于最小二乘法的水库纳污能力预警方法 Active CN107576771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710829327.3A CN107576771B (zh) 2017-09-14 2017-09-14 一种基于最小二乘法的水库纳污能力预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710829327.3A CN107576771B (zh) 2017-09-14 2017-09-14 一种基于最小二乘法的水库纳污能力预警方法

Publications (2)

Publication Number Publication Date
CN107576771A CN107576771A (zh) 2018-01-12
CN107576771B true CN107576771B (zh) 2020-03-27

Family

ID=61033095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710829327.3A Active CN107576771B (zh) 2017-09-14 2017-09-14 一种基于最小二乘法的水库纳污能力预警方法

Country Status (1)

Country Link
CN (1) CN107576771B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492530A (zh) * 2018-03-09 2018-09-04 深圳市宏电技术股份有限公司 一种水库泄洪预警信息发布方法、装置及系统
CN111027011A (zh) * 2019-12-20 2020-04-17 成都碧水水务建设工程有限公司 一种污水处理水质超标预警方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2863061B2 (ja) * 1993-06-22 1999-03-03 シャープ株式会社 水質モニタ装置および水質モニタ方法
CN104615871B (zh) * 2015-01-26 2017-10-10 中国水利水电科学研究院 一种冰封期水功能区纳污能力计算方法
CN104679993A (zh) * 2015-02-02 2015-06-03 中国水利水电科学研究院 一种基于二元水循环的纳污能力计算方法
CN105867124A (zh) * 2016-04-06 2016-08-17 中国水利水电科学研究院 一种基于排放量与纳污能力均衡调控网络的污水处理系统

Also Published As

Publication number Publication date
CN107576771A (zh) 2018-01-12

Similar Documents

Publication Publication Date Title
CN107292383B (zh) 基于深度学习算法与混合整数线性规划相结合的水质波动区间预测方法
Aldrees et al. Prediction of water quality indexes with ensemble learners: Bagging and boosting
Durao et al. Forecasting O3 levels in industrial area surroundings up to 24 h in advance, combining classification trees and MLP models
CN109063910A (zh) 一种基于大数据的船舶污染物排放实时监测方法
Feng et al. Coupling trade-offs and supply-demand of ecosystem services (ES): A new opportunity for ES management
Chen et al. Comprehensive assessment and hierarchical management of the sustainable utilization of urban water resources based on catastrophe theory
EP4303785A1 (en) Reservoir flow rate regulating method and apparatus, electronic device, and storage medium
CN105184427A (zh) 一种对农田生态环境进行预警的方法及装置
CN107576771B (zh) 一种基于最小二乘法的水库纳污能力预警方法
CN103606006A (zh) 基于自组织t-s模糊神经网络的污泥沉降指数软测量方法
Zhao et al. Forecasting of Beijing PM2. 5 with a hybrid ARIMA model based on integrated AIC and improved GS fixed-order methods and seasonal decomposition
CN113156074B (zh) 一种基于模糊迁徙的出水总氮预测方法
CN115392617B (zh) 一种基于环境异质性的水库库尾河段水环境安全评估方法
CN111210128A (zh) 一种基于人工智能及随机自适应阈值的湿地预警方法
CN113970627A (zh) 一种水质监测及预警方法、系统
CN116929454A (zh) 一种河流水质污染监测方法、介质及系统
CN109409666B (zh) 基于大气扩散模型及线性规划的环境影响评估方法
CN117571947A (zh) 一种基于Hartee的河湖水质及蓝藻预警方法
CN115421434A (zh) 一种基于互联网的污染治理设施管理监控系统
CN114580768A (zh) 一种水质机理模型遥感预报动力学系统与方法
CN103942600A (zh) 基于尖峰自组织径向基神经网络的污泥膨胀预测方法
Mensa et al. JMarinas: a simple tool for the environmentally sound management of small marinas
CN111157038B (zh) 测量待测区域内的污染物排放量测算方法
Sun et al. MASR: A novel monitoring method coupled with interpretation platform for near-term management in thermal stratified reservoirs
Lu et al. RISK ANALYSIS OF HYDRAULIC ENGINEERING CONSTRUCTIONS.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 350001 unit 6, 4 building, 245 Xiu Shan Road, Xin Dian Town, Jinan District, Fuzhou, Fujian, 608

Applicant after: Four creation technology limited company

Address before: 350108 unit 6, 4 building, 245 Xiu Shan Road, Xin Dian Town, Jinan District, Fuzhou, Fujian, 608

Applicant before: Fujian Strong Software Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant